Статистикадагы негизги компоненттерди талдоо
Pendahuluan
Негизги компоненттерди талдоо (PCA) – бул маалыматтар топтомунун негизги мүнөздөмөлөрүн сактап калуу менен маалыматтардын өлчөмдүүлүгүн азайтуу үчүн колдонулган статистикалык ыкма. Ал үлгүнү таануу, сүрөттөрдү иштетүү жана геномдук маалыматтарды талдоо сыяктуу тармактарда кеңири колдонулат, мында маалыматтардын чоң көлөмдөрү чечмелөөнү жана иштетүүнү татаалдаштырышы мүмкүн. PCA маалыматтарды маанилүү маалыматты жоготпостон жөнөкөйлөтүүгө жардам берет, бул аны заманбап маалыматтарды талдоодо абдан пайдалуу куралга айлантат.
PCAнын негизги теориясы
PCAнын негизги принциби - маалыматтарды жаңы координаттар жыйындысына айландыруу, мында маалыматтардын максималдуу өзгөрмөлүүлүгү биринчи компонент тарабынан, экинчи эң жогорку өзгөрмөлүүлүк экинчи компонент тарабынан ж.б. кармалат. Бул компоненттер негизги компоненттер деп аталат. Бул процесс бир нече негизги кадамдарды камтыйт:
1. Маалыматтарды стандартташтыруу: Ар кандай маалыматтар көп учурда ар кандай масштабга ээ, бул PCA жыйынтыктарына таасир этиши мүмкүн. Ошондуктан, маалыматтар, адатта, орточо маанини кемитип, стандарттык четтөөсүнө бөлүү менен стандартташтырылат.
2. Ковариация матрицасы: Кийинки кадам - стандартташтырылган маалыматтардын ковариация матрицасын эсептөө. Бул матрица эки өзгөрмөнүн чогуу кантип өзгөрөрүн түшүнүүгө жардам берет.
3. Өздүк маани жана өздүк вектор: Ковариациялык матрицанын өздүк мааниси жана өздүк вектору эсептелет. Өздүк вектор негизги компоненттердин багытын аныктайт, ал эми өздүк маани алардын маанисин аныктайт.
4. Компоненттерди сорттоо: Негизги компоненттер өздөрүнүн менчик маанилерине жараша, эң чоңунан эң кичинесине чейин сорттолот. Негизги компонентти тандоо, адатта, менчик маанилерге негизделет, андан ары талдоо үчүн менчик маанилери чоңураак компоненттер тандалып алынат.
5. Маалыматтарды трансформациялоо: Андан кийин баштапкы маалыматтар андан ары талдоо үчүн негизги компоненттик мейкиндикке айландырылат.
PCAдагы кадамдар
1. Маалыматтарды чогултуу
PCAнын биринчи кадамы - тиешелүү маалыматтарды чогултуу. Бул маалыматтар анализдин маңыздуу натыйжаларын бериши үчүн жетиштүү көлөмдө болушу керек. Мисалы, саламаттыкты сактоо колдонмосу үчүн бейтаптын бою, салмагы, кан басымы ж.б. сыяктуу маалыматтарын чогултууга болот.
2. Маалыматтарды стандартташтыруу
Маалыматтар чогултулгандан кийин, анын ичиндеги ар бир өзгөчөлүк (тилке) стандартташтырылышы керек. Стандартташтыруунун негизги максаты - ар бир өзгөчөлүк баштапкы масштабына карабастан, PCAга бирдей салым кошуусун камсыз кылуу. Стандартташтыруу ар бир өзгөчөлүктөн орточо маанини кемитип, андан кийин аны стандарттык четтөө менен бөлүштүрүү аркылуу ишке ашат.
Формулировкасы:
\[ Z = \frac{X – \mu}{\sigma} \]
Мында \(X\) баштапкы өзгөчөлүк мааниси, \(\mu\) - өзгөчөлүктүн орточо мааниси, ал эми \(\sigma\) - өзгөчөлүктүн стандарттык четтөөсү.
3. Ковариация матрицасын түзүү
Кийинки кадам - стандартташтырылган маалыматтардан ковариация матрицасын түзүү. Ковариация матрицасы - бул белгилердин өзгөрмөлүүлүгүн жана алардын ортосундагы байланыштарды чагылдырган квадрат матрица.
Формулировкасы:
\[ Cov(X, Y) = E[(X – E[X])(Y – E[Y])] \]
мында \(E\) - күтүү же орточо маани.
4. Өздүк маанилерди жана өздүк векторлорду эсептөө
Ковариациялык матрица түзүлгөндөн кийин, кийинки кадам - менчик маанилерди жана менчик векторлорду эсептөө. Менчик векторлор жана менчик маанилер PCAнын негизи болуп саналат, анткени алар негизги компоненттердин багытын жана маанисин аныктайт. Менчик маанинин чоңдугу тиешелүү менчик вектор тарабынан берилген багытта көбүрөөк дисперсияны көрсөтөт.
5. Компоненттерди өздүк маанилерге негизделген сорттоо
Негизги компоненттер өздөрүнүн менчик маанилери боюнча эң чоңунан эң кичинесине чейин иргелет. Эң чоң менчик мааниге ээ болгон негизги компонент маалыматтардын өзгөрмөлүүлүгүнө эң чоң салым кошот.
6. Сактоо үчүн компоненттердин санын тандоо
Бардык негизги компоненттерди сактап калуунун кажети жок. Компоненттерди тандоо өздүк маанилерге негизделген. Бир кеңири таралган ыкма - "Топтолгон түшүндүрүлгөн дисперсия", ал маалыматтардагы жалпы дисперсиянын канча үлүшү бир катар негизги компоненттер менен түшүндүрүлөрүн көрсөтөт.
7. Маалыматтарды трансформациялоо
Акыркы кадам - баштапкы маалыматтарды тандалган негизги компонент мейкиндигинин координаттарына айландыруу. Бул негизги компонент мейкиндигиндеги маанилер андан ары талданышы мүмкүн болгон жаңы атрибуттарга айланат.
PCA тиркемелери
Классификациялоо жана үлгүнү таануу
PCA классификациялоодо жана үлгү таанууда кеңири колдонулат. Маалыматтардын өлчөмдүүлүгүн азайтуу менен, PCA классификациялоо процессин натыйжалуураак кылат жана эсептөөнүн татаалдыгын азайтат. Мисалы, бетти таанууда PCA сүрөттөрдөгү жүздөрдүн өлчөмдүүлүгүн азайтат, ошондуктан компьютерлер аларды тезирээк тааный алышат.
Сүрөттү иштетүү
PCA маанилүү деталдарды жоготпостон сүрөттүн өлчөмүн кичирейте алат. Бул ыкма ошондой эле объекттерди таануу, четтерди аныктоо жана сүрөттү сегменттөө сыяктуу ар кандай колдонмолордо колдонула турган сүрөттөрдөн өзгөчөлүктөрдү алуу үчүн колдонулат.
Геном маалыматтарын талдоо
Биологияда геномдук маалыматтар көбүнчө абдан чоң жана татаал болот. PCA геномдук маалыматтардын өлчөмдүүлүгүн азайтуу үчүн колдонулат, бул маалыматтардын ичиндеги үлгүлөрдү жана корреляцияларды табууну жана талдоону жеңилдетет. Бул, айрыкча, генетикалык изилдөөлөрдө жана дары-дармектерди иштеп чыгууда пайдалуу.
Финансы жана экономика
PCA портфелдик тобокелдиктерди талдоодо жана акциялардын баасын божомолдоодо колдонулат. Финансылык маалыматтардын өлчөмдүүлүгүн азайтуу менен, талдоо рынокко олуттуу таасир этүүчү факторлорго көбүрөөк көңүл бура алат.
Корутунду
Негизги компоненттерди талдоо (ПКТ) статистика жана машиналык окутуудагы күчтүү ыкма болуп саналат. Маанилүү маалыматты жоготпостон маалыматтардын өлчөмдүүлүгүн азайтуу менен, ПКТ натыйжалуураак жана чечмелөөчү талдоо жүргүзүүгө мүмкүндүк берет. ПКТ күчтүү болгону менен, анын чектөөлөрүн түшүнүү маанилүү: ал маалыматтар сызыктуу структураланганда гана натыйжалуу болот. ПКТны жана анын потенциалдуу колдонулушун түшүнүү бизге чоң, татаал маалымат топтомдорунан тереңирээк түшүнүк алууга мүмкүндүк берет, бул аны заманбап маалыматтарды талдоодо маанилүү куралга айлантат.
