بنیادی طور پر Analysis (PCA) ایک ایسی تکنیک ہے جو ڈیٹا کی کمی کو کم کرنے کے لیے استعمال کی جاتی ہے جبکہ زیادہ تر مختلف مقدار میں فرق رکھتی ہے۔یہ غیر متعلقہ متغیرات کی ایک اکائی کو چھوٹے سے حصے میں تبدیل کرتی ہے جسے بنیادی اجزاء (interministrative) کہتے ہیں یہ طریقہ ڈیٹا تجزیہ، مشین سیکھنے اور انداز شناسی میں کثرت سے استعمال کیا جاتا ہے۔

پی سی اے کے ایم ایل اے فاؤنڈیشنز

پی سی اے کا مرکزی حصہ ڈیٹا کے کوویریس کو حل کرنا ہے جو تبدیلی لانے والے کے تعلقات کو پکڑ لیتا ہے۔اس مریخ کے اس وقت کے ماہرین کی طرف سے رائج ہونے والے فرقوں کی سمتوں کا تعین کرتے ہیں جبکہ Egenes کی مقدار ہر بنیادی اجزاء کی طرف سے حاصل ہونے والی مختلف ہوتی ہے۔

پی سی اے ریاضیاتی طور پر کام کرنے کے اقدامات شامل ہیں:

  • اعداد و شمار کو صفر معنی دینے اور ایک دوسرے کے فرق کو واضح کرنے کے لئے معیار قائم کریں۔
  • حسابِ ابجد کے اعداد و شمار کے کوویریس کو ملا کر رکھیں۔
  • کوارکم مریخ کے سالماتی اور ایجنر (calcuate eigns) کے مرکبات (culcuate eigns) اور egenerative arents (covarance matrix)۔
  • ایجن‌جی کی مقدار پر مبنی ایجن‌جی‌ڈی ترتیب سے ترتیب دیں ۔
  • بنیادی اجزاء حاصل کرنے کے لیے منتخب ایجنرل کرداروں پر ڈیٹا کا بندوبست کریں۔

اطلاقیہ برائے پی سی اے

پی سی اے کو پیچیدہ ڈیٹا سیٹوں کو آسان کرنے اور بنیادی طور پر زیریں نمونے ظاہر کرنے کے لیے مختلف شعبوں میں استعمال کیا جاتا ہے یہ خاص طور پر تصاویر سازی، جینیاتی، معاشیات اور بول چال کے اعتراف میں مفید ہے۔ای سی سی اے کو کم کرنے سے حسابی کارکردگی اور نظریاتی ساخت میں بہتری لانے میں مدد ملتی ہے۔

عام اطلاقات میں شامل ہیں:

  • اعداد و شمار میں دوبارہ شور پیدا کریں۔
  • 2D یا 3D منصوبے میں اعلیٰ درجے کے اعداد و شمار کو مسترد کرنا۔
  • مشین سیکھنے کے الجبرا کے لیے پروڈیوس کرنا۔
  • درآمد اور انتخاب کریں