En estadística, el Análisis del Componente Principal (ACP) (en inglés, PCA) es una técnica utilizada para reducir la dimensionalidad de un conjunto de datos. También se usa para determinar el número de factores subyacentes explicativos tras un conjunto de datos. Fundamento El ACP construye una transformación lineal que escoge un nuevo sistema de coordenadas para el conjunto original de datos en el cual la varianza de mayor tamaño del conjunto de datos es capturada en el primer eje (llamado el Primer Componente Principal), la segunda varianza más grande es el segundo eje, y así sucesivamente. Para construir esta transformación lineal debe construirse primero la matriz de covarianza o matriz de coeficientes de correlación. Debido a la simetría de esta matriz existe una base completa de vectores propios de la misma. La transformación que lleva de las antiguas coordenadas a las coordenadas de la nueva base es precisamente la transformación lineal nec

A B C D E F G H I J K L M N O P Q R S T U V W X Y Z # TAGS