Season's Savings | ₹5/mo for 3 months
₹199/month after first 3 months. Renews automatically. Terms apply.
Simplificar sem Perder a Essência: A Matemática da PCA
Failed to add items
Sorry, we are unable to add the item because your shopping basket is already at capacity.
Add to cart failed.
Please try again later
Add to wishlist failed.
Please try again later
Remove from wishlist failed.
Please try again later
Follow podcast failed
Unfollow podcast failed
-
Narrated by:
-
Written by:
About this listen
Neste episódio do Ciência em Modulação, exploramos a Análise de Componentes Principais (PCA), técnica pioneira de redução de dimensionalidade concebida por Karl Pearson em 1901 e desenvolvida por Harold Hotelling. Descubra como essa ferramenta transforma conjuntos de dados complexos em componentes ortogonais não correlacionadas, combatendo a maldição da dimensionalidade e o overfitting no aprendizado de máquina. Discutimos suas diversas aplicações em pré-processamento de dados, compressão de imagens, genética e finanças quantitativas, além de apresentar variantes modernas para dados não lineares e ruidosos, como Kernel PCA, Sparse PCA e Robust PCA.
adbl_web_anon_alc_button_suppression_t1
No reviews yet