Principal Component Analysis (PCA)
Verificato
Aggiornato il 14/08/2026
Significato di «Principal Component Analysis (PCA)»
Tecnica di riduzione della dimensionalità che proietta i dati su nuove variabili ortogonali (componenti principali) ordinate per varianza spiegata, conservando la maggior variabilità possibile in poche dimensioni.
Fonti: Proiezione lineare su assi a massima varianza. Hastie/Tibshirani ESL cap.14; scikit-learn (PCA). Verifica web 2026-08-03. · Verificato il 2026-08-03
Domande frequenti su Principal Component Analysis (PCA)
Cosa significa «Principal Component Analysis (PCA)»?
Tecnica di riduzione della dimensionalità che proietta i dati su nuove variabili ortogonali (componenti principali) ordinate per varianza spiegata, conservando la maggior variabilità possibile in poche dimensioni.
A quale glossario appartiene «Principal Component Analysis (PCA)»?
«Principal Component Analysis (PCA)» fa parte del glossario Machine Learning, nella categoria Intelligenza Artificiale di Glossario Italiano.