Úvod do PCA

Unsupervised Learning in R

Hank Roark

Senior Data Scientist at Boeing

Dvě metody shlukování

Dvě metody shlukování – hledání skupin homogenních prvků
Dále: redukce dimenzionality
- Hledání struktury v příznacích
- Podpora vizualizace

Redukce dimenzionality

Oblíbená metoda: analýza hlavních komponent (PCA)
Tři cíle při hledání nízkorozměrné reprezentace příznaků:
- Lineární kombinace proměnných pro tvorbu hlavních komponent
- Zachování maximálního rozptylu v datech
- Hlavní komponenty jsou nekorelované (tj. navzájem ortogonální)

Intuice za PCA

bodový graf

Intuice za PCA

regresní přímka

Intuice za PCA

projekce skóre komponent

Vizualizace vysokodimenzionálních dat

různý počet dimenzí dat

Vizualizace

PCA na datové sadě iris

PCA v R

pr.iris <- prcomp(x = iris[-5],
                  scale = FALSE,
                  center = TRUE)

summary(pr.iris)

Importance of components:
                          PC1     PC2    PC3     PC4
Standard deviation     2.0563 0.49262 0.2797 0.15439
Proportion of Variance 0.9246 0.05307 0.0171 0.00521
Cumulative Proportion  0.9246 0.97769 0.9948 1.00000

Pojďme si procvičit!

Unsupervised Learning in R