Do curso: Python para Ciência de Dados: Formação Básica
Acesse o curso completo hoje mesmo
Cadastre-se hoje mesmo e acesse mais de 23.200 cursos criados por especialistas.
Análise de componentes principais (PCA) - Tutorial de Python
Do curso: Python para Ciência de Dados: Formação Básica
Análise de componentes principais (PCA)
A análise de componentes principais ou PCA, é um método de machine learn não supervisionado que descobre conjuntos de variáveis correlacionadas e as reduz para um conjunto de variáveis não correlacionadas que representam as variáveis originais e são chamadas de componentes principais, em outras palavras se nós removermos as redundâncias, os ruídos, os outliers e reduzimos as dimensões das nossas variáveis, o que sobra são as partes mais importantes do nosso conjunto de dados original. Essas partes que chamamos de componentes principais. Sendo assim, o PCA pode ser utilizado para: detecção de fraude e de spam, reconhecimento de imagem e reconhecimento de fala, e também para a remoção de outlier, se você estiver usando o PCA para pré-processar os seus dados. Como tanto os fatores, quantos componentes removem ruído e redundância dos nossos dados, nós podemos usar essas formas comprimidas de representação de dados como variáveis de entradas em modelos…
Pratique enquanto aprende com arquivos de exercícios
Baixe os arquivos usados pelo instrutor do curso. Siga a apresentação e aprenda assistindo, ouvindo e praticando.