Analiza składowych głównych (PCA)

Uczenie maszynowe z caret w R

Zach Mayer

Data Scientist at DataRobot and co-author of caret

Analiza składowych głównych

Łączy zmienne o niskiej wariancji i skorelowane
Jeden zestaw predyktorów o wysokiej wariancji, prostopadłych
Zapobiega współliniowości (korelacji między predyktorami)

PCA: wizualna reprezentacja

Pierwsza składowa ma najwyższą wariancję
Druga składowa ma drugą co do wielkości wariancję
I tak dalej...

Przykład: dane krew-mózg

Wiele predyktorów
Wiele z nich o niskiej wariancji

# 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"

Przykład: dane krew-mózg

# 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

Przykład: dane krew-mózg

# 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

Przykład: dane krew-mózg

# 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

Czas na ćwiczenia!

Uczenie maszynowe z caret w R