بنیادی طور پر Analysis (PCA) ایک ایسی ٹیکنالوجی ہے جو بڑے ڈیٹا کی کمی کے لیے استعمال کی جاتی ہے۔اس میں زیادہ تر فرق رکھنے کے دوران ڈیٹا کی کمی ہوتی ہے جس کی وجہ سے تجزیہ اور تجزیہ کرنا آسان ہوتا ہے۔اس مضمون میں پی سی اے اور اس کے عملی اطلاقات کے پیچھے ڈیزائن اصولوں کا جائزہ لیا جاتا ہے۔

پی سیکا کے ڈیزائن اصول

PCA کی بنیاد سمتوں کی شناخت پر ہے، جسے بنیادی اجزاء کہا جاتا ہے، جس کے ساتھ ساتھ اعداد سب سے مختلف ہوتے ہیں۔یہ اجزاء یا تو آپس میں غیر متعلقہ ہوتے ہیں، جس کا مطلب یہ ہوتا ہے کہ وہ اصل متغیرات کو ایک نئے حصے میں تبدیل کر دیتے ہیں جو انتہائی اختلاف پر گرفت کرتے ہیں۔

اس عمل میں ڈیٹا کے کمیت کو حل کرنا شامل ہے، پھر اس کی ایجنان اور ایجینکٹیں دریافت کرنا۔ ایججنر بنیادی اجزاء کی سمتوں کا تعین کرتے ہیں، جبکہ ایجنان مقداریں اپنی اہمیت کا پتہ دیتی ہیں۔ اوپر والے اجزاء کا انتخاب کرنا ڈیٹا سیٹ کی پیچیدگی کو کم کرتا ہے۔

عملی طور پر پی سی اے کی کیس استعمال کریں

پی سی اے کو مختلف شعبوں میں وسیع پیمانے پر استعمال کیا جاتا ہے تاکہ ڈیٹا تجزیہ اور بہتر طور پر نظریاتی تفاعل کیا جاسکے۔ عام اطلاقات میں شامل ہیں:

  • [Imagezezed: [1] منظری کیفیت برقرار رکھنے کے دوران دوبارہ تصویری حجم کی پیمائش کی۔
  • جینومان: جین مت میں جین مت کے اعداد و شمار میں Istrol اندازوں کو کہا جاتا ہے۔
  • فنس: اسٹاک مارکیٹ تجزیہ میں تبدیلی کی تعداد کو دوبارہ درست کیا۔
  • Machine نژاد: پریفیکچرنگ ڈیٹا تاکہ ماڈل کارکردگی بہتر بنایا جا سکے۔

غیرمتوقع دباؤ

پی سی کا اطلاق کرتے وقت اعداد و شمار کو معیاری بنانا بہت ضروری ہے، خاص طور پر جب متغیرات مختلف توازنوں پر ہوں، اس بات کو یقینی بنایا جاتا ہے کہ ہر متغیر تجزیہ میں برابر تعاون کرتا ہے۔