Babban Binciken Sashe a Kididdiga
Pendahuluan
Babban Binciken Abubuwan da Aka Haɗa (PCA) wata dabara ce ta ƙididdiga da ake amfani da ita don rage girman bayanai yayin da ake riƙe muhimman halayen bayanan. Ana amfani da ita sosai a fannoni kamar gane tsari, sarrafa hoto, da nazarin bayanan kwayoyin halitta, inda manyan bayanai za su iya rikitar da fassara da sarrafawa. PCA tana taimakawa wajen sauƙaƙa bayanai ba tare da rasa muhimman bayanai ba, wanda hakan ya sa ta zama kayan aiki mai matuƙar amfani a cikin nazarin bayanai na zamani.
Ka'idar Asali ta PCA
Babban ƙa'idar PCA ita ce sauya bayanai zuwa sabon saitin daidaitawa, inda aka kama matsakaicin bambancin bayanai ta hanyar ɓangaren farko, na biyu mafi girman bambancin ta hanyar ɓangaren na biyu, da sauransu. Waɗannan abubuwan ana kiransu manyan abubuwan haɗin gwiwa. Tsarin ya ƙunshi matakai da yawa masu mahimmanci:
1. Daidaita Bayanai: Bayanai daban-daban galibi suna da ma'auni daban-daban, wanda zai iya shafar sakamakon PCA. Saboda haka, yawanci ana daidaita bayanai ta hanyar cire matsakaicin da kuma raba su da karkacewar da ta dace.
2. Ma'aunin Haɗaka: Mataki na gaba shine a ƙididdige ma'aunin Haɗaka na bayanan da aka daidaita. Wannan ma'aunin yana taimakawa wajen fahimtar yadda masu canji biyu ke canzawa tare.
3. Eigenvalue da Eigenvector: Ana ƙididdige eigenvalue da eigenvector na matrix covariance. Eigenvector yana ƙayyade alkiblar manyan sassan, yayin da eigenvalue ke ƙayyade muhimmancin su.
4. Rarraba Kayayyaki: Ana rarraba manyan abubuwan haɗin gwargwadon ƙimar su, daga babba zuwa ƙarami. Babban zaɓin abubuwan haɗin yawanci yana dogara ne akan ƙimar eigen, tare da zaɓar abubuwan haɗin da ke da manyan ƙimar eigen don ƙarin bincike.
5. Canjin Bayanai: Sannan za a mayar da bayanan asali zuwa babban sararin kayan aiki don ƙarin bincike.
Matakai a cikin PCA
1. Tattara Bayanai
Mataki na farko a PCA shine tattara bayanai masu dacewa. Dole ne wannan bayanan ya zama babba don nazarin ya samar da sakamako mai ma'ana. Misali, ga aikace-aikacen kiwon lafiya, mutum zai iya tattara bayanai na majiyyaci kamar tsayi, nauyi, hawan jini, da sauransu.
2. Daidaita Bayanai
Bayan an tattara bayanai, dole ne a daidaita kowace siffa (shafi) da ke cikinta. Dalilin da ke bayan daidaito shi ne a tabbatar da cewa kowace siffa tana ba da gudummawa daidai gwargwado ga PCA, ba tare da la'akari da girmanta na asali ba. Ana cimma daidaito ta hanyar cire matsakaicin daga kowace siffa sannan a raba ta da karkacewar da ta dace.
Tsarin:
\[Z = \frac{X – \mu}{\sigma} \]
Inda \(X\) shine ainihin ƙimar fasalin, \(\mu\) shine ma'aunin fasalin, kuma \(\sigma\) shine daidaitaccen karkacewar fasalin.
3. Ƙirƙirar Matrix na Covariance
Mataki na gaba shine ƙirƙirar matrix na covariance daga bayanan da aka daidaita. Matrix na covariance matrix murabba'i ne wanda ke wakiltar bambancin fasali da alaƙar da ke tsakaninsu.
Tsarin:
\[ Cov (X, Y) = E[(X – E[X])(Y – E[Y])] \]
Inda \(E\) shine tsammani ko matsakaici.
4. Lissafin ƙimar Eigen da Eigenvectors
Da zarar an ƙirƙiri matrix ɗin covariance, mataki na gaba shine a ƙididdige ƙimar eigen da eigenvectors. Eigenvectors da eigenvalues su ne ginshiƙin PCA saboda suna ƙayyade alkibla da mahimmancin manyan abubuwan haɗin. Babban ƙimar eigenvalue yana nuna ƙarin bambanci a cikin alkiblar da eigenvector mai dacewa ya bayar.
5. Rarraba Abubuwan da Aka Yi Dangane da Ƙimar Eigen
Ana rarraba manyan sassan ta hanyar ƙimar eigen, daga babba zuwa ƙarami. Babban ɓangaren da ke da ƙimar eigen mafi girma yana ba da gudummawa mafi yawa ga bambancin bayanai.
6. Zaɓar Adadin Abubuwan da Za a Ajiye
Ba duk manyan sassan ake buƙatar a riƙe su ba. Zaɓin sassan ya dogara ne akan ƙimar eigen. Hanya ɗaya da aka saba amfani da ita ita ce 'Bambancin Bayani Mai Tattarawa,' wanda ke nuna adadin jimlar bambancin da ke cikin bayanan da aka bayyana ta hanyar wasu manyan sassan.
7. Canjin Bayanai
Mataki na ƙarshe shine a canza bayanan asali zuwa daidaitattun sararin babban ɓangaren da aka zaɓa. Ƙimar da ke cikin wannan babban ɓangaren ya zama sabbin halaye waɗanda za a iya ƙarin nazari a kansu.
Aikace-aikacen PCA
Rarrabawa da Gane Tsarin
Ana amfani da PCA sosai wajen rarraba bayanai da kuma gane tsari. Ta hanyar rage girman bayanai, PCA yana sa tsarin rarraba bayanai ya fi inganci kuma yana rage sarkakiyar lissafi. Misali, a fannin gane fuska, PCA yana rage girman fuskoki a cikin hotuna ta yadda kwamfutoci za su iya gane su da sauri.
Sarrafa Hoto
PCA na iya rage girman hoto ba tare da rasa muhimman bayanai ba. Ana kuma amfani da wannan dabarar don cire fasaloli daga hotuna waɗanda za a iya amfani da su a aikace-aikace daban-daban kamar gane abu, gano gefensa, da kuma raba shi da hotuna.
Binciken Bayanan Halitta
A fannin ilmin halitta, bayanan kwayoyin halitta galibi suna da girma da rikitarwa. Ana amfani da PCA don rage girman bayanan kwayoyin halitta, wanda hakan ke sauƙaƙa ganowa da kuma nazarin alamu da alaƙa a cikin bayanan. Wannan yana da matuƙar amfani a binciken kwayoyin halitta da haɓaka magunguna.
Kuɗi da Tattalin Arziki
Ana amfani da PCA wajen nazarin haɗarin fayil da hasashen farashin hannun jari. Ta hanyar rage girman bayanan kuɗi, bincike zai iya mai da hankali kan abubuwan da ke tasiri sosai ga kasuwa.
Kammalawa
Babban Binciken Abubuwan da Aka Haɗa (PCA) wata dabara ce mai ƙarfi a cikin kididdiga da koyon na'ura. Ta hanyar rage girman bayanai ba tare da rasa muhimman bayanai ba, PCA tana ba da damar yin nazari mai inganci da fassara. Duk da cewa PCA tana da ƙarfi, yana da mahimmanci a fahimci iyakokinta: tana da tasiri ne kawai lokacin da aka tsara bayanan a layi. Fahimtar PCA da aikace-aikacenta masu yuwuwa yana ba mu damar fitar da zurfafan fahimta daga manyan bayanai masu rikitarwa, wanda hakan ya sa ta zama kayan aiki mai mahimmanci a cikin nazarin bayanai na zamani.
