Análise de componentes principais (PCA)

Machine Learning com caret em R

Zach Mayer

Data Scientist at DataRobot and co-author of caret

Análise de componentes principais

Combina variáveis de baixa variância e correlacionadas
Conjunto único de preditores perpendiculares e de alta variância
Evita colinearidade (correlação entre preditores)

PCA: uma representação visual

O primeiro componente tem a maior variância
O segundo componente tem a segunda maior variância
E assim por diante...

imagem colada-919.png

Exemplo: dados sangue-cérebro

Muitos preditores
Vários com baixa variância

# Load the blood brain dataset
data(BloodBrain)
names(bbbDescr)[nearZeroVar(bbbDescr)]

[1] "negative"     "peoe_vsa.2.1" "peoe_vsa.3.1"
[4] "a_acid"       "vsa_acid"     "frac.anion7."
[7] "alert"

Exemplo: dados sangue-cérebro

# Basic model
set.seed(42)
data(BloodBrain)
model <- train(
  bbbDescr, 
  logBBB, 
  method = "glm",
  trControl = trainControl(
    method = "cv", number = 10, verbose = TRUE
  ),
  preProcess = c("zv", "center", "scale")
)
min(model$results$RMSE)

1.107702

Exemplo: dados sangue-cérebro

# Remove low-variance predictors
set.seed(42)
data(BloodBrain)
model <- train(
  bbbDescr, 
  logBBB, 
  method = "glm",
  trControl = trainControl(
    method = "cv", number = 10, verbose = TRUE
  ),
  preProcess = c("nzv", "center", "scale")
)
min(model$results$RMSE)

0.9796199

Exemplo: dados sangue-cérebro

# Add PCA
set.seed(42)
data(BloodBrain)
model <- train(
  bbbDescr, 
  logBBB, 
  method = "glm",
  trControl = trainControl(
    method = "cv", number = 10, verbose = TRUE
  ),
  preProcess = c("zv", "center", "scale", "pca")
)
min(model$results$RMSE)

0.9796199

Vamos praticar!

Machine Learning com caret em R