software util para esta pratica:
- Mutispec
Imagem original
Componentes principais
component | Eigenvalue | Percent | Cum. Percent |
1 | 1586.7070 | 80.7995 | 80.7995 |
2 | 309.8964 | 15.7808 | 96.5803 |
3 | 56.0933 | 2.8564 | 99.4367 |
4 | 4.9300 | 0.2511 | 99.6877 |
5 | 2.5552 | 0.1301 | 99.8179 |
6 | 2.0168 | 0.1027 | 99.9206 |
7 | 1.5601 | 0.0794 | 100.0000 |
O tamanho relativo de cada autovalor é mostrado na segunda coluna. O que mostra a terceira coluna? | |
Qual a variância explicada (o teor de informação) pela primeira componente principal? | |
Com quantas componentes principais pode-se representar 99% da informação original? | |
Interpretação
Na tabela abaixo estão mostrados os coeficientes necessários para calcular cada componente principal a partir dos dados (bandas) originais. Analisando estes valores, e com base nos seus conhecimenos e sensoriamento remoto, interprete as três primeiras componentes, procurando dar un nome a cada uma delas.
componente | banda 1 | banda 2 | banda 3 | banda 4 | banda 5 | banda 6 | banda 7 |
1 | -0.00201
| 0.05387
| 0.12115
| 0.81908
| 0.49417
| -0.01929
| 0.25876 |
2 | -0.35594
| -0.38859
| -0.53162
| 0.41465
| -0.30480
| -0.08384
| -0.40966 |
3 | 0.31561
| 0.40318
| 0.40883
| 0.34745
| -0.47664
| -0.06611
| -0.46736 |
4 | -0.73834
| -0.14383
| 0.63701
| -0.05042
| 0.01069
| 0.09721
| -0.12759 |
5 | -0.01079
| 0.25884
| -0.16302
| -0.11916
| 0.56276
| 0.39845
| -0.64548 |
6 | 0.46948
| -0.76108
| 0.32124
| -0.02411
| 0.17755
| -0.02976
| -0.25330 |
7 | 0.08953
| -0.12893
| -0.00288
| 0.13834
| -0.29558
| 0.90506
| 0.22298 |
então...
Prof. Jorge Centeno
centeno@ufpr.br (2013)