Unsupervised ML [Teil 2]: PCA
Wie funktioniert die Principal Component Analysis und wofür können Banken dieses ML-Verfahren verwenden?
Die Principal Component Analysis, kurz PCA, ist ein Teil des sog. Unsupervised Machine Learning und wird zur Reduktion von hochdimensionalen Daten verwendet.
Eine kurze Erklärung des PCA-Verfahrens und Anwendungsfälle für Banken finden Sie im beigefügten Karussell unterhalb. Beispielsweise lässt sich PCA, wie bereits in unserem letzten Post dargestellt, gut in Kombination mit dem Clustering verwenden.
![056N - Head Unsupervised ML [Teil 2] PCA.png](https://images.squarespace-cdn.com/content/v1/54f9ea6be4b0251d5319ad8b/1679517530405-TJCB3LXZCAIJUQE1VHL2/056N+-+Head+Unsupervised+ML+%5BTeil+2%5D+PCA.png)
Verfasst von Dr. Carsten Keller und Tom Walter