ThetaFlow - Phân tích thành phần chính PCA 2D

Ghi chú

• Bạn đọc quan tâm tìm hiểu rõ hơn về PCA có thể tìm đọc tài liệu [1] [2] [3]. 7 bước thực hiện PCA trong bài viết này dựa trên [1] (Blog "Machine Learning cơ bản").
• Phần ký hiệu, bài viết chọn cách ký hiệu của [2] theo hướng thống kê. Một số tài liệu có thể sẽ ký hiệu khác đi một tí để tiện cho tính toán đại số.
• Bài viết đã giản lược các chi tiết về tối ưu khi tính toán. Mục tiêu chính là trực quan hóa ý tưởng cơ bản thuật toán PCA (vì sao PCA được gọi là xoay dữ liệu, PCA giảm chiều dữ liệu như thế nào?).

Tham khảo

1. Vũ Hữu Tiệp. Bài 27: Principal Component Analysis (phần 1/2). (Blog) Machine Learning cơ bản. Jun 15, 2017.https://machinelearningcoban.com/2017/06/15/pca/
2. Richard Johnson, Dean Wichern. Chapter 8 Principal Components. Applied Multivariate Statistical Analysis. Pearson.
3. Lesson 11: Principal Components Analysis (PCA). STAT 505 Applied Multivariate Statistical Analysis. https://newonlinecourses.science.psu.edu/stat505/lesson/11
4. [Data Source] Autodesk Research. Same Stats, Different Graphs: Generating Datasets with Varied Appearance and Identical Statistics through Simulated Annealing. https://www.autodeskresearch.com/publications/samestats