The Goal: Principal component analy

The Goal: Principal component analysis computes the most meaningful basis to re-express a noisy, garbled data set.
The hope is that this new basis will filter out the noise and reveal hidden dynamics.
In the example of the spring, the explicit goal of PCA is to determine: “the dynamics are along the x-axis.”
In other words, the goal of PCA is to determine that ˆx - the unit basis vector along the x-axis - is the important dimension.
Determining this fact allows an experimenter to discern which dynamics are important and which are just redundant.

Hasil (Bahasa Indonesia) 1:

Tujuan: Kepala Analisis komponen menghitung dasar paling bermakna untuk kembali mengungkapkan sebuah set data yang bising, kacau. Harapan adalah bahwa dasar baru ini akan menyaring suara dan mengungkapkan dinamika tersembunyi. Dalam contoh musim semi, tujuan eksplisit PCA adalah untuk menentukan: "dinamika adalah sepanjang sumbu x."Dengan kata lain, tujuan dari PCA adalah untuk menentukan bahwa ˆx - unit dasar vektor sepanjang sumbu x - dimensi penting. Menentukan fakta ini memungkinkan bergerak untuk membedakan mana dinamika penting dan yang hanya berlebihan.

Hasil (Bahasa Indonesia) 2:

Sasaran: Analisis komponen utama menghitung dasar yang paling bermakna untuk kembali mengekspresikan bising, kacau set data.
Harapannya adalah bahwa dasar baru ini akan menyaring kebisingan dan mengungkapkan dinamika tersembunyi.
Dalam contoh musim semi, tujuan eksplisit ". dinamika yang sepanjang sumbu x": PCA adalah untuk menentukan
kata lain, tujuan dari PCA adalah untuk menentukan bahwa x - unit dasar vektor sepanjang sumbu-x - adalah dimensi penting.
menentukan fakta ini memungkinkan eksperimen untuk membedakan mana dinamika yang penting dan yang hanya berlebihan.