Analisi delle componenti principali (PCA)

Machine Learning con caret in R

Zach Mayer

Data Scientist at DataRobot and co-author of caret

Analisi delle componenti principali

Combina variabili a bassa varianza e correlate
Un unico set di predittori ortogonali ad alta varianza
Evita la collinearità (cioè correlazioni tra predittori)

PCA: una rappresentazione visiva

La prima componente ha la varianza più alta
La seconda ha la seconda varianza più alta
E così via...

Esempio: dati blood-brain

Molti predittori
Molti a bassa varianza

# Carica il dataset blood-brain
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"

Esempio: dati blood-brain

# Modello base
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

Esempio: dati blood-brain

# Rimuovi predittori a bassa varianza
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

Esempio: dati blood-brain

# Aggiungi 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 con caret in R