@prefix mdl: <http://data.loterre.fr/ark:/67375/MDL> .
@prefix skos: <http://www.w3.org/2004/02/skos/core#> .

mdl:-GV0KG397-C
  skos:prefLabel "analyse des données"@fr, "data analysis"@en ;
  a skos:Concept ;
  skos:narrower mdl:-FM1D8X6N-2 .

mdl: a skos:ConceptScheme .
mdl:-FM1D8X6N-2
  skos:exactMatch <https://en.wikipedia.org/wiki/Principal_component_analysis>, <http://astrothesaurus.org/uat/1944>, <https://fr.wikipedia.org/wiki/Analyse_en_composantes_principales> ;
  skos:prefLabel "principal component analysis"@en, "analyse en composantes principales"@fr ;
  skos:definition "Principal component analysis (PCA) is a popular technique for analyzing large datasets containing a high number of dimensions/features per observation, increasing the interpretability of data while preserving the maximum amount of information, and enabling the visualization of multidimensional data. Formally, PCA is a statistical technique for reducing the dimensionality of a dataset. This is accomplished by linearly transforming the data into a new coordinate system where (most of) the variation in the data can be described with fewer dimensions than the initial data. Many studies use the first two principal components in order to plot the data in two dimensions and to visually identify clusters of closely related data points. Principal component analysis has applications in many fields such as population genetics, microbiome studies, and atmospheric science. (Wikipedia, The Free Encyclopedia, <a href=\"https://en.wikipedia.org/wiki/Principal_component_analysis\" target=\"_blank\">https://en.wikipedia.org/wiki/Principal_component_analysis</a>)"@en, "L'analyse en composantes principales (ACP ou PCA en anglais pour principal component analysis), ou, selon le domaine d'application, transformation de Karhunen–Loève (KLT) ou transformation de Hotelling, est une méthode de la famille de l'analyse des données et plus généralement de la statistique multivariée, qui consiste à transformer des variables liées entre elles (dites \"corrélées\" en statistique) en nouvelles variables décorrélées les unes des autres. Ces nouvelles variables sont nommées \"composantes principales\" ou axes principaux. Elle permet au statisticien de résumer l'information en réduisant le nombre de variables. (Wikipedia, L'Encylopédie Libre, <a href=\"https://fr.wikipedia.org/wiki/Analyse_en_composantes_principales\" target=\"_blank\">https://fr.wikipedia.org/wiki/Analyse_en_composantes_principales</a>)"@fr ;
  skos:hiddenLabel "principal component analyses"@en, "Principal component analysis"@en, "analyses en composantes principales"@fr, "Analyse composante principale"@fr, "Analyse composantes principales"@fr ;
  skos:inScheme mdl: ;
  a skos:Concept ;
  skos:broader mdl:-GV0KG397-C .