# Etkileşimli PCA

<div class="mlv-demo-links">
  <a class="mlv-demo-link" href="hundred_page_ml.html">Genel Harita</a>
  <a class="mlv-demo-link" href="book_unsupervised_and_other_learning.html">Gözetimsiz ve Ötesi</a>
  <a class="mlv-demo-link" href="interactive_book_k_means.html">K-Ortalamalar</a>
  <a class="mlv-demo-link active" href="interactive_book_pca.html">PCA</a>
  <a class="mlv-demo-link" href="interactive_book_metric_learning.html">Metrik</a>
  <a class="mlv-demo-link secondary" href="../chapter2/pca.html">Notebook</a>
  <a class="mlv-demo-link secondary" href="../_static/demos/pca.html">Tam Ekran Demo</a>
</div>

<div class="mlv-demo-hero">
  <div class="mlv-demo-kicker">Kitap / Bölüm 9</div>
  <p class="mlv-demo-lead">PCA, kitabın boyut indirgemeyi bir sıkıştırma hilesi olarak değil, verinin baskın yönlerini görünür kılan geometrik bir fikir olarak anlattığı yerdir. Soru şudur: veri en çok hangi doğrultuda değişiyor?</p>
</div>

<div class="mlv-demo-grid">
  <div class="mlv-demo-panel">
    <strong>Ne Yap</strong>
    <span>Veri bulutunun açısını, ölçeğini ve gürültüsünü değiştir. Birinci bileşenin hangi koşulda kararlı kaldığını gözle.</span>
  </div>
  <div class="mlv-demo-panel">
    <strong>Ne Gör</strong>
    <span>Veri tek bir yönde uzadıkça PCA o yönü seçer; yapı yuvarlaklaştıkça “baskın yön” fikri zayıflar.</span>
  </div>
  <div class="mlv-demo-panel">
    <strong>Kitaptaki Karşılığı</strong>
    <span>Boyut indirgeme, bazen bilgiyi yok etmek değil; asıl önemli yönleri daha okunur hale getirmektir.</span>
  </div>
</div>

<div class="mlv-demo-note">
K-Ortalamalar kümeleri ararken, PCA eksenleri arar. Bu ikisini art arda izlemek, gözetimsiz öğrenmenin iki farklı zihniyetini ayırmak için çok iyi çalışır.
</div>

<iframe
  class="mlv-demo-frame"
  src="../_static/demos/pca.html"
  title="PCA Demosu"
  loading="lazy"
  frameborder="0"
></iframe>
