ACP éparse - Historique des versions

Pitpitt : Remplacement de texte : « ↵↵==Sources== » par «  ==Sources== »

2024-08-30T18:53:00Z

Remplacement de texte : « ↵↵==Sources== » par «  ==Sources== »

← Version précédente		Version du 30 août 2024 à 14:53
Ligne 11 :		Ligne 11 :

	'''sparse principal component analysis'''		'''sparse principal component analysis'''

	==Sources==		==Sources==

Pitpitt : Remplacement de texte : « ↵↵ » par « ==Sources== »

2024-01-27T20:55:00Z

Remplacement de texte : « ↵↵<small> » par « ==Sources== »

← Version précédente		Version du 27 janvier 2024 à 16:55
Ligne 12 :		Ligne 12 :
	'''sparse principal component analysis'''		'''sparse principal component analysis'''

			==Sources==

	~~<small>~~

	[https://bioinfo-fr.net/lanalyse-en-composantes-principales-avec-r Source: BioInfo Geekus Biologicus]		[https://bioinfo-fr.net/lanalyse-en-composantes-principales-avec-r Source: BioInfo Geekus Biologicus]

Pitpitt le 1 novembre 2021 à 23:20

2021-11-01T23:20:24Z

← Version précédente		Version du 1 novembre 2021 à 19:20
Ligne 24 :		Ligne 24 :
	[https://en.wikipedia.org/wiki/Outline_of_machine_learning#Machine_learning_algorithms Source : Wikipedia Machine learning algorithms ]		[https://en.wikipedia.org/wiki/Outline_of_machine_learning#Machine_learning_algorithms Source : Wikipedia Machine learning algorithms ]

	[[Catégorie:~~publication]]~~		[[Catégorie:GRAND LEXIQUE FRANÇAIS]]
	~~[[Catégorie:Wikipedia-IA‏‎~~]]

Imeziani : Imeziani a déplacé la page Sparse PCA vers ACP éparse

2021-11-01T02:53:42Z

Imeziani a déplacé la page Sparse PCA vers ACP éparse

← Version précédente	Version du 31 octobre 2021 à 22:53
(Aucune différence)

Imeziani le 1 novembre 2021 à 02:52

2021-11-01T02:52:55Z

← Version précédente		Version du 31 octobre 2021 à 22:52
Ligne 1 :		Ligne 1 :
	~~==en construction==~~

	== Définition ==		== Définition ==
	~~XXXXXXXXX~~		Technique spécialisée utilisée dans l'analyse statistique et, en particulier, dans l'analyse d'ensembles de données à plusieurs variables.

	== Français ==		== Français ==
	''' ~~XXXXXXXXX~~ '''		''' ACP éparse '''

			'''analyse en composantes principales éparses'''

	== Anglais ==		== Anglais ==
	''' ~~Sparse~~ PCA'''		''' sparse PCA'''

			'''sparse principal component analysis'''

	Sparse principal component analysis (sparse PCA) is a specialised technique used in statistical analysis and, in particular, in the analysis of multivariate data sets. It extends the classic method of principal component analysis (PCA) for the reduction of dimensionality of data by introducing sparsity structures to the input variables.

	A particular disadvantage of ordinary PCA is that the principal components are usually linear combinations of all input variables. Sparse PCA overcomes this disadvantage by finding linear combinations that contain just a few input variables.

	Contemporary datasets often have the number of input variables ({\displaystyle p}p) comparable with or even much larger than the number of samples ({\displaystyle n}n). It has been shown that if {\displaystyle p/n}{\displaystyle p/n} does not converge to zero, the classical PCA is not consistent. But sparse PCA can retain consistency even if {\displaystyle p\gg n.}{\displaystyle p\gg n.}[1]		<small>

			[https://bioinfo-fr.net/lanalyse-en-composantes-principales-avec-r Source: BioInfo Geekus Biologicus]

	~~<small>~~		[https://en.wikipedia.org/wiki/Sparse_PCA Source : Source : Wikipedia ]

	[https://en.~~wikipedia~~.~~org~~/~~wiki~~/~~Sparse_PCA Source :~~ Source : ~~Wikipedia~~ ]		[https://spss.espaceweb.usherbrooke.ca/analyse-en-composantes-principales-2/ Source: Université de Sherbrooke]

	[https://en.wikipedia.org/wiki/Outline_of_machine_learning#Machine_learning_algorithms Source : Wikipedia Machine learning algorithms ]		[https://en.wikipedia.org/wiki/Outline_of_machine_learning#Machine_learning_algorithms Source : Wikipedia Machine learning algorithms ]

	[[Catégorie:~~vocabulary~~]]		[[Catégorie:publication]]
	[[Catégorie:Wikipedia-IA‏‎]]		[[Catégorie:Wikipedia-IA‏‎]]

Pitpitt : Page créée avec « ==en construction== == Définition == XXXXXXXXX == Français == ''' XXXXXXXXX ''' == Anglais == ''' Sparse PCA''' Sparse principal component analysis (sparse PCA) is... »

2020-12-18T22:15:39Z

Page créée avec « ==en construction== == Définition == XXXXXXXXX == Français == ''' XXXXXXXXX ''' == Anglais == ''' Sparse PCA''' Sparse principal component analysis (sparse PCA) is... »

Nouvelle page

==en construction==

== Définition ==
XXXXXXXXX

== Français ==
''' XXXXXXXXX '''

== Anglais ==
''' Sparse PCA'''

Sparse principal component analysis (sparse PCA) is a specialised technique used in statistical analysis and, in particular, in the analysis of multivariate data sets. It extends the classic method of principal component analysis (PCA) for the reduction of dimensionality of data by introducing sparsity structures to the input variables.

A particular disadvantage of ordinary PCA is that the principal components are usually linear combinations of all input variables. Sparse PCA overcomes this disadvantage by finding linear combinations that contain just a few input variables.

Contemporary datasets often have the number of input variables ({\displaystyle p}p) comparable with or even much larger than the number of samples ({\displaystyle n}n). It has been shown that if {\displaystyle p/n}{\displaystyle p/n} does not converge to zero, the classical PCA is not consistent. But sparse PCA can retain consistency even if {\displaystyle p\gg n.}{\displaystyle p\gg n.}[1]

<small>

[https://en.wikipedia.org/wiki/Sparse_PCA Source : Source : Wikipedia ]

[https://en.wikipedia.org/wiki/Outline_of_machine_learning#Machine_learning_algorithms Source : Wikipedia Machine learning algorithms ]

[[Catégorie:vocabulary]]
[[Catégorie:Wikipedia-IA‏‎]]

ACP éparse - Historique des versions

Pitpitt : Remplacement de texte : « ↵↵==Sources== » par « ==Sources== »

Pitpitt : Remplacement de texte : « ↵↵ » par « ==Sources== »