Introduction à Principal Component Analysis

Principal Component Analysis (PCA) est un processus statistique qui convertit un ensemble d’observations de variables éventuellement en corrélation en un ensemble de valeurs de variables non corrélées de manière linéaire connues comme composants principaux.

Pour créer votre modèle, vous devez d’abord renseigner l’onglet Propriétés du modèle. Les onglets Options de base et Options avancées fournissent des paramètres par défaut suffisants pour effectuer un job, mais vous pouvez modifier ces paramètres en fonction de vos besoins. Vous exécutez ensuite votre job et une version limitée du modèle obtenu apparaît dans l'onglet Sortie de modèle ; la sortie complète est disponible dans l'outil Machine Learning Model Management. Si vous êtes satisfait de la sortie de votre modèle, vous pouvez ensuite l'exposer et l’utiliser dans un flux de données d'évaluation.