ניתוח Component Analysis (PCA) הוא טכניקה סטטיסטית המשמשת בהנדסה כדי להפחית את המימד של ערכות נתונים תוך שמירה על רוב השחלות.זה עוזר לזהות את המשתנים המשמעותיים ביותר וסימול נתונים מורכבים עבור ניתוח ומטרות עיצוב.

הבנת PCA בהנדסה

PCA הופך את המשתנים המקוריים למשתנים חדשים שאינם קשורים הנקראים מרכיבים מרכזיים.מרכיבים אלה הם הורה כך שהמעטים הראשונים לשמור על רוב הווריאציות הקיימות בנתונים המקוריים.מהנדסים משתמשים ב- PCA לדחיסת נתונים, ירידה ברעש, ומיצוי תכונה.

שלב אחר צעד PCA Calculation

התהליך כולל מספר שלבים עיקריים:

  • (ב) ,0) תקנים נתונים: תחליפיים 1:1 , נרמל נתונים שיש להם משמעות של אפס ו סטייה סטנדרטית של אחד.
  • (ב) מטריקס קלקולציה:0) ,(Covariance Matrix Calculation:FreaLT:1) , מינוף המרצת covariance כדי להבין מערכות יחסים משתנות.
  • (ב) [15] ,9) , ⁇ ו-Eigenvector Computation:FLT: 1 מצא ערכים אגניים ו-Eigenvectors of the covariance matrix.
  • (ב) ,0) ,Principal Components Selection:03:03:1) בוחרים רכיבים עם הערכים האגניים הגבוהים ביותר.
  • (ב) ,0) Data Projection:00Data Projection:FLT:1) , Transform Original Data על הרכיבים שנבחרו.

שיקולים

בעת יישום PCA בתכנון הנדסי, שקול את הפעולות הבאות:

  • איכות המידע: ההרחבה:0 (איור 1), ודא כי הנתונים מדויקים ונציגים של המערכת.
  • (ב) מספר החולקים: 1 בינואר) מבדיל בין ירידה בנתונים לבין אובדן מידע.
  • (ב) ,0) ,החומרה: 1FLT: 1 מרכיבים נבחרים בעלי משמעות עבור היישום הספציפי.
  • (FLT:0) חישובים: FLT:1 PCA יכול להיות אינטנסיבי חישובי עבור מערכות נתונים גדולות.