Aplikasi Pengurangan Dimensi

Dalam pelajaran ini, kita akan menggunakan Analisis Komponen Utama (PCA) untuk mengurangkan dimensi set data. Langkah ini membantu memudahkan set data sambil mengekalkan maklumat penting.

Kita akan menggunakan set data Iris, yang mengandungi ukuran spesies bunga:

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

Kita akan bermula dengan mengimport pustaka yang diperlukan dan memuatkan set 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())

PCA peka terhadap skala data, jadi kita menyeragamkannya menggunakan StandardScaler:

from sklearn.preprocessing import StandardScaler

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

Kita menggunakan PCA untuk mengurangkan set data kepada 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_}")

Kita boleh memvisualisasikan set data yang diubah dalam ruang 2D untuk memerhatikan cara spesies dikelompokkan:

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()

Graf PCA menunjukkan cara data tersebar dalam dimensi yang telah dikurangkan. Titik daripada spesies yang sama cenderung berkumpul, yang menunjukkan pengelompokan yang berkesan.

PCA menawarkan beberapa kelebihan:

• Mengurangkan dimensi data, lalu memudahkannya untuk divisualisasikan.
• Menghapuskan hingar dan ciri yang berlebihan.
• Meningkatkan kecekapan pengiraan untuk set data yang besar.

Antara keterbatasan PCA termasuk:

• Kehilangan kebolehtafsiran bagi ciri yang diubah.
• Kepekaan terhadap penskalaan ciri.
• Mungkin tidak menangkap hubungan kompleks dan tidak linear dalam data.

Dalam pelajaran ini, kita:

• Menggunakan PCA pada set data Iris untuk pengurangan dimensi.
• Memvisualisasikan hasilnya dan memerhatikan pengelompokan spesies dalam ruang 2D.
• Membincangkan kelebihan dan cabaran PCA.

Seterusnya, kita akan meneroka konsep pembelajaran mendalam lanjutan, bermula dengan rangkaian neural buatan.