Réponse rapide
La réduction de dimension projette des mesures nombreuses dans un espace plus lisible pour visualiser groupes, dérives, corrélations et épisodes atypiques, tout en contrôlant la perte d’information pertinente.
Simplifier sans mélanger
Composantes, voisinages ou représentations apprises résument des variables corrélées. Échelle, transformation et paramètres de projection sont conservés pour comparer les épisodes.
Voir les structures
Une carte 2D ou 3D aide à repérer modes et transitions. Les distances visuelles ne doivent pas être interprétées comme des distances physiques sans validation.
Revenir aux signaux
Tout groupe ou point atypique est relié aux variables d’origine, au robot et à la mission. La projection sert au diagnostic, pas directement à la commande.
Sources et références
- [1] Decomposing signals in components — scikit-learn — scikit-learn