Skip to content

GitLab

  • Menu
Projects Groups Snippets
    • Loading...
  • Help
    • Help
    • Support
    • Community forum
    • Submit feedback
    • Contribute to GitLab
  • Sign in
  • W wiki
  • Project information
    • Project information
    • Activity
    • Labels
    • Planning hierarchy
    • Members
  • Repository
    • Repository
    • Files
    • Commits
    • Branches
    • Tags
    • Contributors
    • Graph
    • Compare
  • Issues 0
    • Issues 0
    • List
    • Boards
    • Service Desk
    • Milestones
  • Merge requests 0
    • Merge requests 0
  • CI/CD
    • CI/CD
    • Pipelines
    • Jobs
    • Schedules
  • Deployments
    • Deployments
    • Environments
    • Releases
  • Monitor
    • Monitor
    • Incidents
  • Analytics
    • Analytics
    • Value stream
    • CI/CD
    • Repository
  • Wiki
    • Wiki
  • Snippets
    • Snippets
  • Activity
  • Graph
  • Create a new issue
  • Jobs
  • Commits
  • Issue Boards
Collapse sidebar
  • Rastreamento
  • wiki
  • Wiki
  • teoria

teoria · Changes

Page history
felipe.boff created page: teoria authored Aug 13, 2018 by Felipe's avatar Felipe
Show whitespace changes
Inline Side-by-side
teoria.md 0 → 100644
View page @ 640205b7
<h3>Teoria</h3>
<p>Para melhor compreensão das análises feitas</p>
<hr>
<br>
<h4>Análise de Componentes Principai</h4>
A Análise de Componentes Principais (ACP) ou Principal Component Analysis (PCA) é um procedimento matemático que utiliza uma transformação ortogonal (ortogonalização de vetores) para converter um conjunto de observações de variáveis possivelmente correlacionadas num conjunto de valores de variáveis linearmente não correlacionadas chamadas de componentes principais. O número de componentes principais é menor ou igual ao número de variáveis originais. Esta transformação é definida de forma que o primeiro componente principal tem a maior variância possível (ou seja, é responsável pelo máximo de variabilidade nos dados), e cada componente seguinte, por sua vez, tem a máxima variância sob a restrição de ser ortogonal a (i.e., não correlacionado com) os componentes anteriores.
</p>
<h5>Exemplo visual do ACP</h5>
<img src="/uploads/83a75b781a8673e391c3444a2caed1b9/006-principal-component-analysis-individuals-factor-map-color-by-groups-1.png" width="65%">
Clone repository
  • diagramas
  • duvidas para o stakeholder
  • Home
  • mockups
  • sprints
  • tecnologias
  • teoria
  • user stories