Logo
Unionpedia
Communicatie
Ontdek het op Google Play
Nieuw! Download Unionpedia op je Android™ toestel!
Downloaden
Snellere toegang dan browser!
 

Hoofdcomponentenanalyse en Machinaal leren

Snelkoppelingen: Verschillen, Overeenkomsten, Jaccard Similarity Coëfficiënt, Referenties.

Verschil tussen Hoofdcomponentenanalyse en Machinaal leren

Hoofdcomponentenanalyse vs. Machinaal leren

Hoofdcomponentenanalyse, of principale-componentenanalyse (afkorting: PCA), is een multivariate analysemethode in de statistiek om een grote hoeveelheid gegevens te beschrijven met een kleiner aantal relevante grootheden, de hoofdcomponenten of principale componenten. Automatisch leren, machinaal leren of machine learning is een breed onderzoeksveld binnen kunstmatige intelligentie, dat zich bezighoudt met de ontwikkeling van algoritmes en technieken waarmee computers kunnen leren.

Overeenkomsten tussen Hoofdcomponentenanalyse en Machinaal leren

Hoofdcomponentenanalyse en Machinaal leren hebben 0 dingen gemeen (in Unionpedia).

De bovenstaande lijst antwoord op de volgende vragen

Vergelijking tussen Hoofdcomponentenanalyse en Machinaal leren

Hoofdcomponentenanalyse heeft 21 relaties, terwijl de Machinaal leren heeft 16. Zoals ze gemeen hebben 0, de Jaccard-index is 0.00% = 0 / (21 + 16).

Referenties

Dit artikel toont de relatie tussen Hoofdcomponentenanalyse en Machinaal leren. Om toegang te krijgen tot elk artikel waarvan de informatie werd gehaald, kunt u terecht op:

Hey! We zijn op Facebook nu! »