Materiales: [ PCA.pdf]
Este vídeo discute las ideas que motivan el análisis por componentes principales:
– Planteamiento del problema: registro de 1000 muestras de 4 se
– El análisis por componentes principales no distingue entre entradas y salidas. Las correlaciones elevadas entre variables se asociarán a “modelos” de los datos. Los componentes no correlados se asociarán a “causas de variabilidad” (perturbaciones o entradas exógenas).
– Utilidad para modelado, mejora de proceso, detección de fallos.
– Relaciones con otros campos científicos (informática, visión, economía, publicidad, control).
La ‘perpendicularidad’ entre componentes principales que se buscará está
relacionada con que resulta conveniente para cálculos que las variables no tengan
correlación, [
Colección completa [VER]:
Anterior Modelos semiparamétricos (Kernel+regresores): caso de estudio Matlab
Siguiente Análisis de Componentes Principales (parte 2: series de datos, teoría)