Given N data vectors from M-dimensi

Given N data vectors from M-dimensions, find k . M orthogonal vectors (principal components) that can be best used to represent data
.Normalize input data: Each attribute falls within the same range
.Compute k orthonormal (unit) vectors, i.e., principal components
.Each input data (vector) is a linear combination of the k principal component vectors
.The principal components are sorted in order of decreasing gsignificanceh or strength
.Since the components are sorted, the size of the data can be reduced by eliminating the weak components, i.e., those with low variance (i.e., using the strongest principal components, it is possible to reconstruct a good approximation of the original data)
.Works for numeric data only

ผลลัพธ์ (ไทย) 1:

ให้ N เวกเตอร์ข้อมูลจากมิติ M, k ได้ มแบบเวกเตอร์ (องค์ประกอบหลัก) ที่สามารถที่ดีที่สุดที่ใช้เพื่อแสดงข้อมูล. ปกติข้อมูลอินพุท: แต่ละแอตทริบิวต์ที่อยู่ภายในช่วงเดียวกัน. คำนวณเวกเตอร์ orthonormal (หน่วย) k คอมโพเนนต์หลักเช่น. ข้อมูลแต่ละอินพุท (เวกเตอร์) เป็นการรวมเชิงเส้นของเวกเตอร์องค์ประกอบหลัก k. ส่วนประกอบหลักจะเรียงตามลำดับการลด gsignificance h หรือความแข็งแรง. เนื่องจากคอมโพเนนต์การเรียงลำดับ สามารถลดขนาดของข้อมูล โดยการกำจัดส่วนประกอบอ่อน เช่น ผู้ที่ มีความแปรปรวนต่ำ (เช่น โดยใช้คอมโพเนนต์หลักที่แข็งแกร่ง เป็นไปได้ที่จะสร้างใหม่ประมาณที่ดีของข้อมูลเดิม). สำหรับข้อมูลตัวเลขเท่านั้น

ผลลัพธ์ (ไทย) 2:

ได้รับ N พาหะข้อมูลจาก M-มิติค้นหา k M เวกเตอร์ตั้งฉาก (องค์ประกอบหลัก) ที่สามารถนำมาใช้ที่ดีที่สุดเพื่อแสดงข้อมูล
.Normalize ป้อนข้อมูล: แต่ละแอตทริบิวต์อยู่ในช่วงเดียวกัน
.Compute K orthonormal (หน่วย) พาหะคือองค์ประกอบหลัก
.Each ป้อนข้อมูล (เวกเตอร์) เป็นเชิงเส้น การรวมกันของ K เงินต้นเวกเตอร์องค์ประกอบ
ได้โดยง่ายองค์ประกอบหลักจะถูกจัดเรียงในการสั่งซื้อลดลง ?? ?? gsignificance H หรือความแรง
ตั้งแต่ปีส่วนประกอบจะถูกเรียงลำดับขนาดของข้อมูลที่สามารถลดลงได้โดยการกำจัดส่วนประกอบที่อ่อนแอเช่นผู้ที่มี แปรปรวนต่ำ (เช่นการใช้องค์ประกอบหลักที่แข็งแกร่งก็เป็นไปได้ที่จะสร้างประมาณการที่ดีของข้อมูลเดิม)
.Works สำหรับข้อมูลที่เป็นตัวเลขเท่านั้น

ผลลัพธ์ (ไทย) 3:

ให้ n ข้อมูลเวกเตอร์จาก m-dimensions หา K . เวกเตอร์ ( M ) ส่วนประกอบหลัก ) ที่สามารถใช้เพื่อแสดงข้อมูลที่ดีที่สุดข้อมูลนำเข้า : แต่ละแอตทริบิวต์ ให้อยู่ในช่วงเดียวกันK . คำนวณการท ( หน่วย ) เวกเตอร์ องค์ประกอบหลักคือแต่ละข้อมูล ( เวกเตอร์ ) คือการรวมกันเชิงเส้นขององค์ประกอบหลักของเวกเตอร์ส่วนประกอบหลักจะถูกจัดเรียงในลำดับของการ gsignificance ? ? H หรือความแข็งแรงเนื่องจากคอมโพเนนต์เรียงขนาดของข้อมูลที่สามารถจะลดลงโดยการขจัดจุดอ่อนส่วนประกอบ ได้แก่ ผู้ที่มีความแปรปรวนต่ำ ( เช่น การใช้ส่วนประกอบหลัก สูงสุดที่เป็นไปได้เพื่อสร้างการประมาณที่ดีของข้อมูลต้นฉบับ )งานสำหรับข้อมูลที่เป็นตัวเลขเท่านั้น