Principal Component Analysis: A Natural Approach to Data Exploration

Autor(es)

Gewers, Felipe L. ^[1] ; Ferreira, Gustavo R. ^[2] ; De Arruda, Henrique F. ^{[3, 4]} ; Silva, Filipi N. ^{[5, 6, 7]} ; Comin, Cesar H. ^[8] ; Amancio, Diego R. ^[9] ; Costa, Luciano Da F. ^[4]

Afiliação do(s) autor(es)

^[1] Univ Sao Paulo, Inst Phys, Sao Paulo Vila Univ, 187 Rua Matto, BR-05508090 Sao Paulo, SP - Brazil

^[2] Univ Sao Paulo, Inst Math & Stat, Sao Paulo Vila Univ, 1010 Rua Matao, BR-05508090 Sao Paulo, SP - Brazil

^[3] Univ Sao Paulo, Inst Math & Comp Sci, Sao Carlos, SP - Brazil

^[4] Univ Sao Paulo, Sao Carlos Inst Phys, FCM, 400 Trabalhador Sao Carlense Ave, BR-13566590 Sao Carlos, SP - Brazil

^[5] Univ Sao Paulo, Sao Carlos Inst Phys, Sao Carlos, SP - Brazil

^[6] Indiana Univ, Sch Informat Comp & Engn, Bloomington, IL 47405 - USA

^[7] Indiana Univ, Network Sci Inst, 1001 IN 45, Bloomington, IN 47408 - USA

^[8] Univ Fed Sao Carlos, Dept Comp Sci, 235 Washington Luiz Ave, BR-13565905 Sao Carlos, SP - Brazil

^[9] Univ Sao Paulo, Inst Math & Comp Sci, 400 Trabalhador Sao Carlense Ave, BR-13566590 Sao Paulo, SP - Brazil

• Tipo de documento: Artigo Científico
• Fonte: ACM COMPUTING SURVEYS; v. 54, n. 4 JUL 2021.
• Citações Web of Science: 1

Resumo

Principal component analysis (PCA) is often applied for analyzing data in the most diverse areas. This work reports, in an accessible and integrated manner, several theoretical and practical aspects of PCA. The basic principles underlying PCA, data standardization, possible visualizations of the PCA results, and outlier detection are subsequently addressed. Next, the potential of using PCA for dimensionality reduction is illustrated on several real-world datasets. Finally, we summarize PCA-related approaches and other dimensionality reduction techniques. All in all, the objective of this work is to assist researchers from the most diverse areas in using and interpreting PCA. (AU)

• Processo FAPESP: 17/13464-6 - Modelando grafos de citação e informação: uma abordagem baseada em redes complexas
• Beneficiário: Diego Raphael Amancio
• Modalidade de apoio: Bolsas no Exterior - Pesquisa
• Processo FAPESP: 18/09125-4 - Representação, caracterização e modelagem de imagens biológicas utilizando redes complexas
• Beneficiário: Cesar Henrique Comin
• Modalidade de apoio: Auxílio à Pesquisa - Regular
• Processo FAPESP: 15/22308-2 - Representações intermediárias em Ciência Computacional para descoberta de conhecimento
• Beneficiário: Roberto Marcondes Cesar Junior
• Modalidade de apoio: Auxílio à Pesquisa - Temático
• Processo FAPESP: 16/19069-9 - Classificação de documentos usando informações semânticas em redes complexas
• Beneficiário: Diego Raphael Amancio
• Modalidade de apoio: Auxílio à Pesquisa - Regular
• Processo FAPESP: 18/10489-0 - Transformações de redes complexas e suas implicações na topologia e dinâmica de sistemas complexos
• Beneficiário: Henrique Ferraz de Arruda
• Modalidade de apoio: Bolsas no Brasil - Pós-Doutorado
• Processo FAPESP: 11/50761-2 - Modelos e métodos de e-Science para ciências da vida e agrárias
• Beneficiário: Roberto Marcondes Cesar Junior
• Modalidade de apoio: Auxílio à Pesquisa - Temático
• Processo FAPESP: 19/16223-5 - Análise de dinâmicas de opinião em termos de estrutura e dinâmica de redes complexas
• Beneficiário: Henrique Ferraz de Arruda
• Modalidade de apoio: Bolsas no Exterior - Estágio de Pesquisa - Pós-Doutorado