Apa perbedaan antara PSA dan LDA? Ini adalah catatan belajar dari penelitian yang saya lakukan dalam mengolah data dan melakukan analisis PSA dan LDA dengan menggunakan Python.
Principal Component Analysis
PCA singkatan dari pricipal component analysis. PCA adalah cara untuk mengidentifikasi pola suatu data dan merubah ke bentuk lain untuk menunjukkan perbedaan & persamaan antar pola.
Tujuan dari pengolahan data PCA ialah untuk melakukan reduksi dimensi yang dari data yang besar ke dimensi yang lebih kecil atau sederhana.
Nilai variabel atau data yang baru diwakili oleh PC (principle component).
Makalah ilmiah dengan metode analisis PCA: Impedimetric electronic tongue based on nanocomposites for the analysis of red wines. Improving the variable selection method.
Linear Discriminant Analysis
LDA (Linear Discriminant Analysis) adalah metode yang terkait dengan pemisahan dan klasifikasi dari data ke dalam kelompok yang terlebih dahulu didefinisikan.
Tujuan dari LDA saya rasa lebih spesifik dari PSA. Apabila PCA mampu melakukan penyederhanaan terhadap dimensi suatu data, LDA mempu mengkatagorikan jenis data yang diolah.
Hal ini melalui pengolahan LDA akan menemukan suatu deskriminan nilai dari data tersebut sehingga mempu mengklasifikasikan objek.
Makalah ilmiah dengan metode analisis LDA: The PCA and LDA analysis on the differential
expression of proteins in breast cancer
Some notes for the thesis materials that I did.
Featured Photo by DESIGNECOLOGIST on Unsplash