Wprowadzenie do PCA

Uczenie nienadzorowane w R

Hank Roark

Senior Data Scientist at Boeing

Dwie metody klasteryzacji

Dwie metody klasteryzacji – wyszukiwanie grup jednorodnych obserwacji
Następnie: redukcja wymiarowości
- Wykrywanie struktury w cechach
- Wspomaganie wizualizacji

Redukcja wymiarowości

Popularna metoda to analiza głównych składowych (PCA)
Trzy cele przy szukaniu reprezentacji niskwymiarowej:
- Tworzenie składowych głównych jako kombinacji liniowych zmiennych
- Zachowanie możliwie największej wariancji danych
- Składowe główne są nieskorelowane (prostopadłe do siebie)

Intuicja PCA

wykres punktowy

Intuicja PCA

linia regresji

Intuicja PCA

rzutowanie wyników składowych

Wizualizacja danych wysokowymiarowych

różna liczba wymiarów danych

Wizualizacja

PCA na zbiorze iris

PCA w 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

Czas na ćwiczenia!

Uczenie nienadzorowane w R