PCA आयाम कमी

प्रमुख घटक विश्लेषण (PCA) क्या है?

PCA सहसंबद्ध चरों को असहसंबद्ध प्रमुख घटकों में रूपांतरित करता है। पहले कुछ घटक 80-95% कुल प्रसरण कैप्चर करते हैं।

PCA सहप्रसरण मैट्रिक्स के आइगन वेक्टर और आइगन मान गणना करता है। PCA से पहले डेटा मानकीकरण सामान्य है।

स्क्री प्लॉट आइगन मान बनाम घटक दिखाता है। बायप्लॉट स्कोर और लोडिंग विज़ुअलाइज़ करता है।

Formula: सहप्रसरण मैट्रिक्स: C = (1/(n−1)) XᵀX (X केंद्रित) आइगेन-विघटन: C·v = λ·v PC स्कोर: Z = X·V समझाया गया प्रसरण = λₖ / Σλᵢ मानकीकृत (डिफ़ॉल्ट): पहले हर केंद्रित स्तंभ को उसके मानक विचलन से भाग दें — C सहसंबंध मैट्रिक्स R बन जाता है और Σλᵢ = चरों की संख्या

गणना उदाहरण

5 पुर्ज़ों के तीन आयाम (mm): लंबाई 24/26/25/28/27, चौड़ाई 35/35/37/38/40, ऊँचाई 13/14/14/15/14। सहप्रसरण मैट्रिक्स के आइगन मान λ₁ = 6.21, λ₂ = 1.22, λ₃ = 0.07, कुल प्रसरण 7.50। PC1 6.21/7.50 = 82.7%, PC2 16.3% समझाता है, संचयी 99.0% — 2 घटक रखने से तीन आयाम दो में घटते हैं और 99% प्रसरण बना रहता है। तीनों चरों की इकाई एक है, इसलिए सहप्रसरण मैट्रिक्स का विघटन सही है; अलग इकाइयों वाले चरों को पहले मानकीकृत करना होगा, वरना सबसे बड़ी संख्याओं वाला चर PC1 पर हावी हो जाएगा। कैलकुलेटर में ये मान पाने के लिए «चरों का मानकीकरण» बंद करें — यह डिफ़ॉल्ट रूप से चालू रहता है, और तब सहसंबंध मैट्रिक्स का विघटन होता है।

इस कैलकुलेटर का उपयोग कब करें

• कोई डेटा वैज्ञानिक जो मशीन लर्निंग मॉडल में डालने से पहले उच्च-आयामी फ़ीचर सेट (50+ चर) को प्रबंधनीय संख्या के घटकों में घटा रहा हो
• कोई शोधकर्ता जो पैटर्न या क्लस्टर पहचानने के लिए पहले 2-3 मुख्य घटकों के माध्यम से उच्च-आयामी डेटा को 2D या 3D में दृश्यमान कर रहा हो
• कोई गुणवत्ता इंजीनियर जो कारक विश्लेषण द्वारा बहु-चर विनिर्माण प्रक्रिया में विचरण के मुख्य स्रोतों की पहचान कर रहा हो
• कोई विश्लेषक जो सहसंबद्ध फ़ीचरों को असहसंबद्ध मुख्य घटकों से बदलकर पूर्वानुमायक चरों से बहु-सरेखता हटा रहा हो

बचने योग्य सामान्य गलतियाँ

• PCA से पहले डेटा मानकीकृत न करना — बड़े पैमाने वाले चर प्रसरण पर हावी होते हैं और पहला घटक केवल सर्वाधिक-प्रसरण वाले चर को दर्शाता है; हमेशा शून्य माध्य और इकाई प्रसरण पर मानकीकृत करें
• बहुत कम घटक रखकर महत्वपूर्ण जानकारी खो देना — यदि संचयी समझाया गया प्रसरण 70% से कम है, तो महत्वपूर्ण संकेत त्यागा जा रहा है; 80-95% का लक्ष्य रखें
• मुख्य घटकों को व्यक्तिगत चर मानकर व्याख्या करना — PC सभी मूल चरों के रैखिक संयोजन हैं; वे अधिकतम प्रसरण की दिशाएँ दर्शाते हैं, व्यक्तिगत फ़ीचर नहीं
• चरों की तुलना में बहुत कम प्रेक्षणों वाले डेटा पर PCA लगाना — स्थिर परिणामों के लिए PCA को चरों से कम से कम उतने ही (आदर्शतः 5-10 गुना) प्रेक्षण चाहिए

परिणामों की व्याख्या कैसे करें

• यदि पहले 2-3 घटक 80%+ प्रसरण समझाते हैं, तो आपका डेटा प्रभावी रूप से निम्न-आयामी है और बाइप्लॉट सार्थक सारांश देता है
• उच्च निरपेक्ष मान वाली लोडिंग बताती हैं कि कौन-से मूल चर प्रत्येक घटक में सर्वाधिक योगदान देते हैं — इससे घटक के अर्थ की व्याख्या में मदद मिलती है
• स्क्री प्लॉट में क्रमिक आइगेनमानों के बीच बड़े अंतराल प्राकृतिक आयाम-सीमाएँ दर्शाते हैं — अंतराल के बाद के घटक मुख्यतः शोर जोड़ते हैं

संबंधित मानक और संदर्भ

• Pearson, K. (1901), 'On Lines and Planes of Closest Fit to Systems of Points in Space', Philosophical Magazine — प्रमुख घटक विश्लेषण की ज्यामितीय उत्पत्ति
• Hotelling, H. (1933), 'Analysis of a Complex of Statistical Variables into Principal Components', Journal of Educational Psychology — PCA का विचरण-अधिकतमकरण निरूपण
• Jolliffe, I. T., Principal Component Analysis (Springer) — घटक-प्रतिधारण नियमों सहित व्यापक आधुनिक संदर्भ

अक्सर पूछे जाने वाले प्रश्न

PCA से पहले मानकीकरण?

हाँ, लगभग हमेशा। भिन्न इकाइयों/मापक्रमों वाले चर PCA पर प्रभुत्व करेंगे। शून्य माध्य, इकाई प्रसरण में मानकीकृत करें।

कितने घटक रखें?

संचयी प्रसरण 80-95% तक, स्क्री प्लॉट 'कोहनी', या कैसर नियम (आइगन मान > 1)।