Materiales: [PCA.pdf]
– Planteamiento del problema: registro de 1000 muestras de 4 señales. Detectar las correlaciones entre los valores de las mismas (en el mismo instante).
– 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).
Colección completa [VER]:
Anterior Modelos semiparamétricos (Kernel+regresores): caso de estudio Matlab
Siguiente Análisis de Componentes Principales (parte 2: series de datos, teoría)