PCA assumes that all basis vectors

PCA assumes that all basis vectors {p1, . . . , pm} are orthonormal (i.e. pi · pj = ±ij). In the language of linear algebra, PCA assumes P is an orthonormal matrix. Secondly PCA assumes the directions with the largest variances are the most “important” or in other words, most principal. Why are these assumptions easiest?

Hasil (Bahasa Indonesia) 1:

PCA mengasumsikan bahwa semua dasar vektor {p1,..., pm} adalah orthonormal (yaitu pi · pj = ±ij). Dalam bahasa aljabar linear, PCA mengasumsikan P adalah matriks orthonormal. Kedua PCA mengasumsikan arah dengan varians terbesar adalah yang paling "penting" atau dengan kata lain, sebagian kepala. Mengapa Apakah asumsi ini termudah?

Hasil (Bahasa Indonesia) 2:

PCA mengasumsikan bahwa semua vektor basis {p1,. . . , Pm} adalah ortonormal (yaitu pi · pj = ± ij). Dalam bahasa aljabar linier, PCA mengasumsikan P adalah matriks ortonormal. Kedua PCA mengasumsikan arah dengan varians terbesar yang paling "penting" atau dengan kata lain, yang paling pokok. Mengapa asumsi ini paling mudah?