Slik finner PCA komponenter
Variansretninger forklart intuitivt.
Slik finner PCA komponenter er en gratis leksjon i Data Science Academy på CoddyKit. Dette er leksjon 2 av 4. Du kan lese hele leksjonen gratis nedenfor – og deretter øve praktisk i nettleseren med en innebygd kodeeditor og en AI-veileder som er tilgjengelig døgnet rundt. Den er en del av læringsløpet i Data Science Academy, og fremdriften din synkroniseres mellom nettet og CoddyKit-appen. Kurset i Data Science Academy inneholder totalt 4 leksjoner.
Varians er informasjon
PCA bygger på én idé: Retningene der dataene sprer seg mest, inneholder mest informasjon. Denne spredningen kalles variance.
Finn den største spredningen
PCA leter etter den ene aksen der punktene varierer mest. Denne retningen blir den first principal component.
Gå deretter vinkelrett
Den neste aksen må stå vinkelrett på den første, samtidig som den fanger opp mest mulig av den gjenværende spredningen. Hver nye komponent er orthogonal på de andre.
Komponenter er nye akser
Til sammen danner disse retningene et nytt koordinatsystem. Hver principal component er en kombinasjon av de opprinnelige funksjonene dine, ikke bare én kolonne.
Rangert etter betydning
PCA sorterer komponentene etter hvor mye varians hver av dem fanger opp, slik at de første inneholder mesteparten av signalet, mens de siste hovedsakelig inneholder støy.
Projiser på komponentene
For å redusere datamengden projecter du den på de viktigste komponentene og bytter ut mange opprinnelige kolonner med noen få informative skårer.
Forklart variansforhold
explained variance ratio forteller hvilken andel av den totale spredningen hver komponent beholder, slik at du kan se hvor mye du sparer.
Tilpass den i scikit-learn
I scikit-learn angir du hvor mange komponenter du ønsker, og deretter gjør fit_transform den brede tabellen om til kompakte skårer.
from sklearn.decomposition import PCA
scores = PCA(n_components=2).fit_transform(X)Les av forholdene
Etter tilpasningen kan du sjekke explained_variance_ratio_ for å se hvor mye hver komponent beholdt. Hvis du summerer dem, ser du den totale beholde variance.
pca = PCA(n_components=2).fit(X)
print(pca.explained_variance_ratio_)Komponenter er lineære
Hver komponent er en vektet sum av funksjoner, så PCA fanger bare opp linear struktur. Buede mønstre krever andre verktøy.
Kompresjon, ikke magi
Du bytter litt nøyaktighet mot langt færre kolonner. Komponentene som fjernes, inneholder minst varians, så lossen er vanligvis liten.
Hurtigsjekk
Én regel avgjør hvilken retning PCA velger først.
Oppsummering
PCA finner ortogonale akser med størst varians, rangerer dem og projiserer dataene på de viktigste for å komprimere dem. 🎯
Lær deg Python med en AI-veileder – gratis
Skriv og kjør ekte kode i nettleseren, få umiddelbar hjelp fra en AI-veileder som er tilgjengelig døgnet rundt, og fortsett der du slapp – på nettet eller i appen.
- Kurs
- 30
- Leksjoner
- 120
Ofte stilte spørsmål
Er leksjonen «Slik finner PCA komponenter» gratis?
Ja – hele teksten i «Slik finner PCA komponenter» er gratis å lese her på nettet. For å øve interaktivt med en innebygd kodeeditor og en AI-veileder som er tilgjengelig døgnet rundt, og for å låse opp resten av Data Science Academy-kurset, kan du oppgradere til CoddyKit PRO. Kurset i Data Science Academy inneholder totalt 4 leksjoner.
Hva lærer jeg i «Slik finner PCA komponenter»?
Variansretninger forklart intuitivt. Du øver på Data Science Academy med praktisk kode som du kjører direkte i nettleseren, mens en AI-veileder som er tilgjengelig døgnet rundt, svarer på spørsmålene dine mens du jobber deg gjennom leksjonen.
Trenger jeg erfaring for å begynne med Data Science Academy?
Ingen tidligere erfaring er nødvendig. Data Science Academy på CoddyKit er lagt opp for både nybegynnere og viderekomne, så De kan begynne her eller helt fra start og lære i Deres eget tempo. Dette er leksjon 2 av 4.
Hvor lang tid tar leksjonen «Slik finner PCA komponenter»?
De fleste CoddyKit-leksjoner tar omtrent 5–10 minutter. Hver leksjon er kort og interaktiv, slik at De gjør jevne fremskritt og kan fortsette akkurat der De slapp – både på nettet og i appen.
Kan jeg skrive og kjøre kode i denne Data Science Academy-leksjonen?
Ja. Alle Data Science Academy-leksjoner har en innebygd kodeeditor, slik at De kan skrive og kjøre ekte kode direkte i nettleseren og få umiddelbar tilbakemelding fra AI – uten lokal konfigurering.
Alle leksjonene i dette kurset
- Forbannelsen ved for mange egenskaper
- Slik finner PCA komponenter
- Skaler først, tilpass deretter PCA
- Velg komponenter med scree-plott