بنیادی کمیت Analysis (PCA) ایک ایسی میکانیکی تکنیک ہے جو اپنے بیشتر فرقوں کو برقرار رکھنے کے دوران اعداد کی کمی کے لیے استعمال کی جاتی ہے۔اسے ڈیٹا تجزیہ، مشین سیکھنے، اور انداز شناسی میں وسیع پیمانے پر استعمال کیا جاتا ہے۔پی او سی پی اے کے ساتھ ساتھ ساتھ PCA کی لائبریریوں جیسے کہ عددی اور SciP کے تحت موجود ڈیٹا کی ترکیب اور سمجھنے کی صلاحیت کی صلاحیت کو بھی حاصل کرنے کے لیے اختیار کرتی ہے۔

بنیادی طور پر بنیادی طور پر تجزیہ Analysis کو سمجھنا

PCA کے ذریعہ تبدیل کر کے اسے چھوٹے سے غیر متعلقہ متغیرات میں تبدیل کر دیا جاتا ہے جسے بنیادی اجزاء کہا جاتا ہے ۔ ان اجزاء کو حکم دیا جاتا ہے کہ پہلے چند ہی حصص جو اصل اعداد و شمار میں موجود ہیں ان میں سے بیشتر فرق کو برقرار رکھنا شامل ہے ، اس عمل میں اس کی ایجنان اور ایجین کے اجزا کو ڈھونڈنا اور ڈیٹا کو بنیادی حصوں پر لگانا شامل ہے ۔

نمبر پی او ایس پی کے ساتھ پی سی اے کی شمولیت

PCA کو شروع کرنے کے لیے، اعداد و شمار کو معیاری بنانے کے لیے، پھر کوینسی مریخ کو شمار کرنا۔ اس کے بعد اس ماس کی ایجنان اور ایجناس کو تلاش کرنا۔ ایجناس فرق کی سمتوں کی نمائندگی کرتی ہے اور Egenes دونوں سمتوں میں فرق کی طرف اشارہ کرتی ہے۔

پیکا میں شمولیت کیلئے اقدام

  • اعداد و شمار کو صفر معنی دینے اور ایک دوسرے کے فرق کو واضح کرنے کے لئے معیار قائم کریں۔
  • کولکاتا کولکاتا (Colcuate) کولکاتا (Cavariance Matrix) استعمال کرتے ہوئے np.cov۔
  • Compatpe Eigenates and egeneives with ]scipy.linalg.eigh . 26 دسمبر 2018 میں اصل سے آرکائیو شدہ. اخذ شدہ بتاریخ 28 دسمبر 2014. تحقق من التاريخ في:
  • ایجن‌جی کی مقدار پر مبنی ایجن‌جی‌ڈی ترتیب سے ترتیب دیں ۔
  • اعداد و شمار کو کم کرنے کے لیے منتخب ایجنر کرداروں پر انحصار کریں۔