@prefix qx8: <http://data.loterre.fr/ark:/67375/QX8> .
@prefix skos: <http://www.w3.org/2004/02/skos/core#> .

qx8: a skos:ConceptScheme .
qx8:-BFGPZNZ5-X
  skos:prefLabel "méthode statistique"@fr, "statistical method"@en ;
  a skos:Concept ;
  skos:narrower qx8:-0L34SJF8-B .

qx8:-0L34SJF8-B
  skos:definition "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 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 de résumer l'information en réduisant le nombre de variables. (Adapté de : <a href=\"https://fr.wikipedia.org/wiki/Analyse_en_composantes_principales\">https://fr.wikipedia.org/wiki/Analyse_en_composantes_principales</a>)"@fr, "Principal component analysis (PCA) is a linear dimensionality reduction technique with applications in exploratory data analysis, visualization and data preprocessing. The data is linearly transformed onto a new coordinate system such that the directions (principal components) capturing the largest variation in the data can be easily identified. Principal component analysis has applications in many fields such as population genetics, microbiome studies, and atmospheric science. (Adapted from: <a href=\"https://en.wikipedia.org/wiki/Principal_component_analysis\">https://en.wikipedia.org/wiki/Principal_component_analysis</a>)"@en ;
  a skos:Concept ;
  skos:inScheme qx8: ;
  skos:broader qx8:-BFGPZNZ5-X ;
  skos:prefLabel "analyse en composantes principales"@fr, "principal component analysis"@en ;
  skos:exactMatch <https://fr.wikipedia.org/wiki/Analyse_en_composantes_principales>, <https://en.wikipedia.org/wiki/Principal_component_analysis> .