Análisis de Componente Principal (ACP)

ADVERTISEMENT
From SEG Wiki
Jump to: navigation, search
This page is a translated version of the page Dictionary:Principal component analysis (PCA) and the translation is 100% complete.

Other languages:
English • ‎español


1. Un procedimiento que transforma un número de variables posiblemente correlacionadas en un número más pequeños de variables no correlacionadas (los componentes principales). Clasifica los componentes principales de acuerdo con la cantidad de variabilidad de los datos de cada cuenta, por lo tanto los componentes cuyos efectos son menores pueden ser ignorados. El análisis de componentes principales es principalmente usado para identificar variables significativas y reducir la dimensionalidad de un conjunto de datos. En un 'eigenanalysis', el primer componente principal esta en la misma dirección que el 'eigenvector' asociado con el 'eigenvalue' más grande y se continua así con los otros componentes en orden descendiente de importancia. ACP es a menudo hecho por Descomposición de valor singular (q.v.). 2 Donde las imágenes se correlacionan porque contienen porciones de la misma información, la separación de la información en imágenes ortogonales. Por ejemplo, mucha de la información en diferentes bandas Landsat se correlaciona, ACP separa la información en imágenes sin correlación.