Статистикийн үндсэн бүрэлдэхүүн хэсгийн шинжилгээ
Пендахулуан
Үндсэн бүрэлдэхүүн хэсгийн шинжилгээ (PCA) нь өгөгдлийн багцын чухал шинж чанаруудыг хадгалахын зэрэгцээ өгөгдлийн хэмжээст байдлыг багасгахад ашигладаг статистикийн арга юм. Үүнийг хэв маягийг таних, дүрс боловсруулах, геномын өгөгдлийн шинжилгээ зэрэг салбарт өргөн ашигладаг бөгөөд их хэмжээний өгөгдлийн хэмжээ нь тайлбар болон боловсруулалтыг хүндрүүлдэг. PCA нь өгөгдлийг чухал мэдээллээ алдалгүйгээр хялбарчлахад тусалдаг бөгөөд энэ нь орчин үеийн өгөгдлийн шинжилгээнд маш хэрэгтэй хэрэгсэл болгодог.
PCA-ийн үндсэн онол
PCA-ийн үндсэн зарчим нь өгөгдлийг шинэ координатын багц болгон хувиргах явдал бөгөөд өгөгдлийн хамгийн их хувьсах чанарыг эхний бүрэлдэхүүн хэсэг, хоёр дахь хамгийн өндөр хувьсах чанарыг хоёр дахь бүрэлдэхүүн хэсэг гэх мэтээр хэмждэг. Эдгээр бүрэлдэхүүн хэсгүүдийг үндсэн бүрэлдэхүүн хэсэг гэж нэрлэдэг. Энэ үйл явц нь хэд хэдэн гол алхмуудыг хамардаг:
1. Өгөгдлийн стандартчилал: Өөр өөр өгөгдөл нь ихэвчлэн өөр өөр масштабтай байдаг бөгөөд энэ нь PCA-ийн үр дүнд нөлөөлж болно. Тиймээс өгөгдлийг ихэвчлэн дундажийг хасаж, стандарт хазайлтад хуваах замаар стандартчилдаг.
2. Ковариацийн матриц: Дараагийн алхам бол стандартчилагдсан өгөгдлийн ковариацийн матрицыг тооцоолох явдал юм. Энэ матриц нь хоёр хувьсагч хэрхэн хамтдаа өөрчлөгддөгийг ойлгоход тусалдаг.
3. Өөрийн утга ба Өөрийн вектор: Ковариацийн матрицын өөрийн утга ба өөрийн векторыг тооцоолно. Өөрийн вектор нь үндсэн бүрэлдэхүүн хэсгүүдийн чиглэлийг тодорхойлдог бол өөрийн утга нь тэдгээрийн ач холбогдлыг тодорхойлдог.
4. Бүрэлдэхүүн хэсгүүдийг эрэмбэлэх: Үндсэн бүрэлдэхүүн хэсгүүдийг өөрийн утгаар нь, хамгийн томоос нь хамгийн жижиг хүртэл нь эрэмбэлдэг. Үндсэн бүрэлдэхүүн хэсгүүдийг сонгохдоо ихэвчлэн өөрийн утга дээр суурилдаг бөгөөд цаашид дүн шинжилгээ хийх зорилгоор илүү том өөрийн утгатай бүрэлдэхүүн хэсгүүдийг сонгодог.
5. Өгөгдлийн хувиргалт: Анхны өгөгдлийг цаашдын шинжилгээнд зориулж үндсэн бүрэлдэхүүн хэсгийн орон зай болгон хувиргадаг.
PCA-ийн алхамууд
1. Өгөгдөл цуглуулах
PCA-ийн эхний алхам бол холбогдох өгөгдлийг цуглуулах явдал юм. Энэ өгөгдөл нь шинжилгээ нь утга учиртай үр дүнд хүрэхэд хангалттай том байх ёстой. Жишээлбэл, эрүүл мэндийн хэрэглээний хувьд өндөр, жин, цусны даралт гэх мэт өвчтөний мэдээллийг цуглуулж болно.
2. Өгөгдлийн стандартчилал
Өгөгдөл цуглуулсны дараа түүний доторх шинж чанар (багана) бүрийг стандартчилах ёстой. Стандартчиллын үндэслэл нь шинж чанар бүр анхны хэмжээсээс үл хамааран PCA-д тэнцүү хувь нэмэр оруулж байгаа эсэхийг баталгаажуулах явдал юм. Стандартчиллыг шинж чанар бүрээс дундажийг хасаад дараа нь стандарт хазайлтаар хуваах замаар хэрэгжүүлдэг.
Томъёо:
\[ Z = \frac{X – \mu}{\sigma} \]
Энд \(X\) нь анхны шинж чанарын утга, \(\mu\) нь шинж чанарын дундаж, \(\sigma\) нь шинж чанарын стандарт хазайлт юм.
3. Ковариацийн матриц үүсгэх
Дараагийн алхам бол стандартчилагдсан өгөгдлөөс ковариацийн матриц үүсгэх явдал юм. Ковариацийн матриц нь шинж чанаруудын хувьсах чанар болон тэдгээрийн хоорондын хамаарлыг илэрхийлдэг дөрвөлжин матриц юм.
Томъёо:
\[ Cov(X, Y) = E[(X – E[X])(Y – E[Y])] \]
энд \(E\) нь хүлээлт эсвэл дундаж юм.
4. Өөрийн утга ба өөрийн векторыг тооцоолох
Ковариацийн матрицыг үүсгэсний дараа дараагийн алхам бол өөрийн утга ба өөрийн векторыг тооцоолох явдал юм. Өөрийн вектор ба өөрийн утга нь PCA-ийн гол тулгуур болдог, учир нь тэдгээр нь үндсэн бүрэлдэхүүн хэсгүүдийн чиглэл ба ач холбогдлыг тодорхойлдог. Илүү том өөрийн утга нь харгалзах өөрийн векторын өгсөн чиглэлд илүү их хэлбэлзэл байгааг илтгэнэ.
5. Өөрийн утга дээр үндэслэн бүрэлдэхүүн хэсгүүдийг эрэмбэлэх
Үндсэн бүрэлдэхүүн хэсгүүдийг өөрийн утгаар нь хамгийн томоос нь хамгийн жижиг хүртэл эрэмбэлдэг. Хамгийн том өөрийн утгатай үндсэн бүрэлдэхүүн хэсэг нь өгөгдлийн хувьсах чанарт хамгийн их хувь нэмэр оруулдаг.
6. Хадгалах бүрэлдэхүүн хэсгүүдийн тоог сонгох
Бүх үндсэн бүрэлдэхүүн хэсгүүдийг хадгалах шаардлагагүй. Бүрэлдэхүүн хэсгүүдийн сонголт нь өөрийн утга дээр суурилдаг. Нэг түгээмэл арга бол 'Хуримтлагдсан тайлбарласан хэлбэлзэл' бөгөөд энэ нь өгөгдлийн нийт хэлбэлзлийн хэдэн хувийг хэд хэдэн үндсэн бүрэлдэхүүн хэсгүүд тайлбарлаж байгааг харуулдаг.
7. Өгөгдлийн хувиргалт
Эцсийн алхам бол анхны өгөгдлийг сонгосон үндсэн бүрэлдэхүүн хэсгийн орон зайн координат болгон хувиргах явдал юм. Энэхүү үндсэн бүрэлдэхүүн хэсгийн орон зай дахь утгууд нь цаашид шинжлэх боломжтой шинэ шинж чанарууд болж хувирдаг.
PCA програмууд
Ангилал ба Хэв маягийн таних
PCA нь ангилал болон хээ танихад өргөн хэрэглэгддэг. PCA нь өгөгдлийн хэмжээсийг бууруулснаар ангиллын үйл явцыг илүү үр дүнтэй болгож, тооцооллын нарийн төвөгтэй байдлыг бууруулдаг. Жишээлбэл, нүүр царай таних үед PCA нь зурган дээрх нүүр царайны хэмжээсийг багасгадаг тул компьютер тэдгээрийг илүү хурдан таних боломжтой болдог.
Зураг боловсруулах
PCA нь чухал мэдээллийг алдалгүйгээр зургийн хэмжээг багасгаж чаддаг. Энэ аргыг мөн объект таних, ирмэг илрүүлэх, зургийн сегментчилэл зэрэг янз бүрийн хэрэглээнд ашиглаж болох зургаас онцлог шинж чанаруудыг гаргаж авахад ашигладаг.
Геномын өгөгдлийн шинжилгээ
Биологийн хувьд геномын өгөгдөл нь ихэвчлэн маш том бөгөөд нарийн төвөгтэй байдаг. PCA нь геномын өгөгдлийн хэмжээсийг багасгахад ашиглагддаг бөгөөд энэ нь өгөгдлийн доторх хэв маяг, хамаарлыг илрүүлэх, шинжлэхэд хялбар болгодог. Энэ нь генетикийн судалгаа, эмийн хөгжилд онцгой ач холбогдолтой юм.
Санхүү ба эдийн засаг
PCA нь портфолиогийн эрсдэлийн шинжилгээ болон хувьцааны үнийн урьдчилсан таамаглалд ашиглагддаг. Санхүүгийн өгөгдлийн хэмжээсийг бууруулснаар шинжилгээ нь зах зээлд мэдэгдэхүйц нөлөөлдөг хүчин зүйлс дээр илүү төвлөрч чадна.
Дүгнэлт
Үндсэн бүрэлдэхүүн хэсгийн шинжилгээ (PCA) нь статистик болон машин сургалтын салбарт хүчирхэг арга юм. PCA нь чухал мэдээллийг алдалгүйгээр өгөгдлийн хэмжээсийг бууруулснаар илүү үр дүнтэй, тайлбарлах шинжилгээ хийх боломжийг олгодог. PCA нь хүчирхэг боловч түүний хязгаарлалтыг ойлгох нь чухал юм: энэ нь зөвхөн өгөгдөл шугаман бүтэцтэй байх үед л үр дүнтэй байдаг. PCA болон түүний боломжит хэрэглээг ойлгох нь бидэнд том, нарийн төвөгтэй өгөгдлийн багцаас илүү гүнзгий ойлголтыг гаргаж авах боломжийг олгодог бөгөөд энэ нь орчин үеийн өгөгдлийн шинжилгээнд чухал хэрэгсэл болдог.
