Analisis Komponen Utama dalam Statistik
pengenalan
Analisis Komponen Utama (PCA) ialah teknik statistik yang digunakan untuk mengurangkan dimensi data sambil mengekalkan ciri-ciri penting set data. Ia digunakan secara meluas dalam bidang seperti pengecaman corak, pemprosesan imej dan analisis data genomik, di mana jumlah data yang besar boleh merumitkan tafsiran dan pemprosesan. PCA membantu memudahkan data tanpa kehilangan maklumat yang penting, menjadikannya alat yang sangat berguna dalam analisis data moden.
Teori Asas PCA
Prinsip asas PCA ialah transformasi data kepada satu set koordinat baharu, di mana kebolehubahan maksimum dalam data ditangkap oleh komponen pertama, kebolehubahan kedua tertinggi oleh komponen kedua, dan seterusnya. Komponen-komponen ini dipanggil komponen utama. Proses ini melibatkan beberapa langkah utama:
1. Penyeragaman Data: Data yang berbeza selalunya mempunyai skala yang berbeza, yang boleh mempengaruhi keputusan PCA. Oleh itu, data biasanya diseragamkan dengan menolak min dan membahagi dengan sisihan piawai.
2. Matriks Kovarians: Langkah seterusnya adalah untuk mengira matriks kovarians bagi data piawai. Matriks ini membantu dalam memahami bagaimana dua pembolehubah berubah bersama.
3. Nilai Eigen dan Vektor Eigen: Nilai eigen dan vektor eigen bagi matriks kovarians dikira. Vektor eigen menentukan arah komponen utama, manakala nilai eigen menentukan kepentingannya.
4. Pengisihan Komponen: Komponen utama disusun mengikut nilai eigennya, dari yang terbesar hingga yang terkecil. Pemilihan komponen utama biasanya berdasarkan nilai eigen, dengan komponen dengan nilai eigen yang lebih besar dipilih untuk analisis selanjutnya.
5. Transformasi Data: Data asal kemudiannya diubah menjadi ruang komponen utama untuk analisis selanjutnya.
Langkah-langkah dalam PCA
1. Mengumpul Data
Langkah pertama dalam PCA ialah mengumpul data yang berkaitan. Data ini mestilah cukup besar agar analisis dapat memberikan hasil yang bermakna. Contohnya, untuk aplikasi penjagaan kesihatan, seseorang mungkin mengumpul data pesakit seperti ketinggian, berat badan, tekanan darah dan sebagainya.
2. Penyeragaman Data
Selepas data dikumpul, setiap ciri (lajur) di dalamnya mesti diseragamkan. Rasional di sebalik penyeragaman adalah untuk memastikan setiap ciri menyumbang sama rata kepada PCA, tanpa mengira skala asalnya. Penyeragaman dicapai dengan menolak min daripada setiap ciri dan kemudian membahagikannya dengan sisihan piawai.
Formulasi:
\[ Z = \frac{X – \mu}{\sigma} \]
Dengan \(X\) ialah nilai ciri asal, \(\mu\) ialah min ciri dan \(\sigma\) ialah sisihan piawai ciri.
3. Mencipta Matriks Kovarians
Langkah seterusnya adalah untuk mencipta matriks kovarians daripada data piawai. Matriks kovarians ialah matriks segi empat sama yang mewakili kebolehubahan ciri dan hubungan antara mereka.
Formulasi:
\[ Cov(X, Y) = E[(X – E[X])(Y – E[Y])] \]
Di mana \(E\) ialah jangkaan atau purata.
4. Mengira Nilai Eigen dan Vektor Eigen
Setelah matriks kovarians dicipta, langkah seterusnya adalah untuk mengira nilai eigen dan vektor eigen. Vektor eigen dan nilai eigen adalah tulang belakang PCA kerana ia menentukan arah dan kepentingan komponen utama. Nilai eigen yang lebih besar menunjukkan lebih banyak varians dalam arah yang diberikan oleh vektor eigen yang sepadan.
5. Mengisih Komponen Berdasarkan Nilai Eigen
Komponen utama disusun mengikut nilai eigennya, dari terbesar hingga terkecil. Komponen utama dengan nilai eigen terbesar menyumbang paling banyak kepada kebolehubahan dalam data.
6. Memilih Bilangan Komponen untuk Disimpan
Tidak semua komponen utama perlu dikekalkan. Pemilihan komponen adalah berdasarkan nilai eigen. Satu pendekatan biasa ialah 'Varians Terjelas Kumulatif', yang menunjukkan perkadaran jumlah varians dalam data yang dijelaskan oleh beberapa komponen utama.
7. Transformasi Data
Langkah terakhir adalah untuk mengubah data asal kepada koordinat ruang komponen utama yang dipilih. Nilai-nilai dalam ruang komponen utama ini menjadi atribut baharu yang boleh dianalisis lebih lanjut.
Aplikasi PCA
Pengelasan dan Pengecaman Corak
PCA digunakan secara meluas dalam pengelasan dan pengecaman corak. Dengan mengurangkan dimensi data, PCA menjadikan proses pengelasan lebih cekap dan mengurangkan kerumitan pengiraan. Contohnya, dalam pengecaman wajah, PCA mengurangkan dimensi wajah dalam imej supaya komputer dapat mengenalinya dengan lebih cepat.
Pemprosesan Imej
PCA boleh mengurangkan saiz imej tanpa kehilangan butiran penting. Teknik ini juga digunakan untuk mengekstrak ciri daripada imej yang boleh digunakan dalam pelbagai aplikasi seperti pengecaman objek, pengesanan tepi dan segmentasi imej.
Analisis Data Genom
Dalam biologi, data genomik selalunya sangat besar dan kompleks. PCA digunakan untuk mengurangkan dimensi data genomik, menjadikannya lebih mudah untuk menemui dan menganalisis corak dan korelasi dalam data. Ini amat membantu dalam penyelidikan genetik dan pembangunan ubat.
Kewangan dan Ekonomi
PCA digunakan dalam analisis risiko portfolio dan ramalan harga saham. Dengan mengurangkan dimensi data kewangan, analisis boleh lebih tertumpu kepada faktor-faktor yang memberi kesan ketara kepada pasaran.
Kesimpulannya
Analisis Komponen Utama (PCA) ialah teknik yang ampuh dalam statistik dan pembelajaran mesin. Dengan mengurangkan dimensi data tanpa kehilangan maklumat yang ketara, PCA membolehkan analisis yang lebih cekap dan interpretatif. Walaupun PCA berkuasa, adalah penting untuk memahami batasannya: ia hanya berkesan apabila data distrukturkan secara linear. Memahami PCA dan aplikasi potensinya membolehkan kita mengekstrak pandangan yang lebih mendalam daripada set data yang besar dan kompleks, menjadikannya alat penting dalam analisis data moden.
