Reseña

El ACP busca reducir la dimensionalidad de un conjunto de datos sin perder una cantidad significativa de información. Esto se logra transformando un conjunto de variables originales, que pueden ser numerosas y correlacionadas, en un conjunto más pequeño de variables no correlacionadas, denominadas componentes principales. Cada componente principal es una combinación lineal de las variables originales y se ordena de tal manera que el primer componente captura la mayor parte de la varianza en los datos, el segundo componente captura la segunda mayor varianza, y así sucesivamente. Esta reducción de dimensionalidad es crucial, ya que facilita la visualización de datos, mejora la eficiencia de otros análisis estadísticos y ayuda a evitar problemas de sobreajuste en modelos predictivos.