Müdür kombi analizi (PCA), veri yapısının çoğunu korurken veri boyutunu azaltmak için kullanılan bir istatistiksel tekniktir.Veri analizinde yaygın olarak kullanılır, makine öğrenimi ve desen tanıma.PCA'yı NumPy ve SciPy gibi kütüphaneler ile uygulama, temel veri yapısını anlamayı ve anlamayı sağlar.

Ana kombi Analizi Analiz

PCA, ana bileşenler denilen daha küçük sayıda uygunsuz değişkene bir dizi korelasyon değiştirir.Bu bileşenler sipariş edilir, böylece ilk birkaçı orijinal veri kümesindeki en çok varyasyonu korur.Bu işlem, eş değişkenlik matrisini hesaplamayı içerir, özdeğerlerini ve eigenvectorlarını bulur ve verileri ana bileşenlere projelendirmek.

PCA'yı NumPy ve SciPy ile uygulama

PCA'yı gerçekleştirmek için, verileri standartlaştırmaya başlayın, sonra kovariance matrisini hesaplar. Sonraki, bu matrixin eigenvectors'ı elde etmek için. eigenvectors maksimum variance'ın yollarını temsil eder ve eigenvalues her yöndeki fark miktarını gösterir.

PCA Uygulama Adımları

  • Veriler sıfır anlama ve birim değişkenliği.
  • Eşdeğer matrisi kullanarak hesaplayın:0)np.cov).
  • Âdem'in (İsviçre) ve eigenveklerin (Hücret) Âdem-i İmkanlar (S.S.)
  • Sorting siparişinde eigenvectors sıralanır.
  • Veriler, boyutsalliği azaltmak için seçilmiş eigenvectorlara.