Menerapkan PCA dalam Python

Dalam pelajaran ini, kita akan menerapkan Analisis Komponen Utama (PCA) untuk mengurangi dimensi kumpulan data. Hal ini membantu menyederhanakan kumpulan data sambil mempertahankan informasi penting.

Gambaran Umum Kumpulan Data

Kita akan menggunakan kumpulan data Iris, yang berisi pengukuran berbagai spesies bunga:

• Fitur: Panjang sepal, lebar sepal, panjang petal, dan lebar petal.
• Sasaran: Spesies (Setosa, Versicolor, Virginica).

Langkah 1: Mengimpor Pustaka dan Kumpulan Data

Kita akan memulai dengan mengimpor pustaka yang diperlukan dan memuat kumpulan data:

import pandas as pd
from sklearn.datasets import load_iris

# Load Iris dataset
data = load_iris()
X = pd.DataFrame(data.data, columns=data.feature_names)
y = data.target
print(X.head())

Langkah 2: Menstandarkan Data

PCA sensitif terhadap skala data, jadi kita menstandarkannya menggunakan StandardScaler:

from sklearn.preprocessing import StandardScaler

# Standardize the data
scaler = StandardScaler()
X_scaled = scaler.fit_transform(X)

Langkah 3: Menerapkan PCA

Kita menerapkan PCA untuk mereduksi kumpulan data menjadi 2 komponen utama:

from sklearn.decomposition import PCA

# Apply PCA
pca = PCA(n_components=2)
X_pca = pca.fit_transform(X_scaled)
print(f"Explained Variance Ratio: {pca.explained_variance_ratio_}")

Langkah 4: Memvisualisasikan Hasil PCA

Kita dapat memvisualisasikan kumpulan data yang telah diubah dalam ruang 2D untuk mengamati pengelompokan spesies:

import matplotlib.pyplot as plt

# Scatter plot of PCA results
plt.scatter(X_pca[:, 0], X_pca[:, 1], c=y, cmap='viridis')
plt.xlabel('Principal Component 1')
plt.ylabel('Principal Component 2')
plt.title('PCA Results')
plt.colorbar(label='Species')
plt.show()

Langkah 5: Menafsirkan Hasil PCA

Plot PCA menunjukkan bagaimana data tersebar dalam dimensi yang telah direduksi. Titik-titik dari spesies yang sama cenderung mengelompok bersama, yang menunjukkan pengelompokan yang efektif.

Keunggulan PCA

PCA memiliki beberapa keunggulan:

• Mengurangi dimensi data sehingga lebih mudah divisualisasikan.
• Menghapus derau dan fitur yang redundan.
• Meningkatkan efisiensi komputasi untuk kumpulan data berukuran besar.

Tantangan PCA

Beberapa keterbatasan PCA meliputi:

• Hilangnya kemudahan interpretasi pada fitur yang telah diubah.
• Sensitif terhadap penskalaan fitur.
• Mungkin tidak menangkap hubungan kompleks dan nonlinier dalam data.

Ringkasan dan Langkah Berikutnya

Dalam pelajaran ini, kita:

• Menerapkan PCA pada kumpulan data Iris untuk reduksi dimensi.
• Memvisualisasikan hasil dan mengamati pengelompokan spesies dalam ruang 2D.
• Membahas keunggulan dan tantangan PCA.

Selanjutnya, kita akan mempelajari konsep pembelajaran mendalam tingkat lanjut, dimulai dengan jaringan saraf tiruan.