Escolher componentes com gráficos scree

O PCA pode fornecer dezenas de componentes, mas você quer apenas os poucos que são úteis. A verdadeira habilidade é escolher quantos manter.

Um gráfico de sedimentação representa cada componente em relação à variância que ele explica, permitindo observar rapidamente a queda de importância.

A variância cai rapidamente e depois forma uma cauda plana. A curva, chamada de cotovelo, indica onde componentes extras deixam de compensar.

Ajuste o PCA com todos os componentes e depois represente explained_variance_ratio_ para desenhar a curva e localizar esse cotovelo.

Some as proporções progressivamente para obter a variância acumulada, que mostra a informação total preservada pelos primeiros k componentes.

Uma regra comum é manter componentes suficientes para alcançar uma meta, como 95% da variância total preservada.

Forneça uma fração como n_components, e o scikit-learn manterá componentes suficientes para atingir essa meta de variância explicada.

Outra orientação, a regra de Kaiser, mantém os componentes cujo autovalor excede um, o que significa que explicam mais do que um único atributo explicaria.

Menos componentes significam modelos mais simples e rápidos, mas com mais detalhes perdidos. Escolher k é sempre um equilíbrio entre tamanho e fidelidade.

O melhor k é aquele que ajuda na sua tarefa real. Experimente alguns valores e compare as pontuações do modelo com validação cruzada.

Os componentes depois do cotovelo geralmente capturam principalmente ruído. Mantê-los raramente ajuda e pode discretamente prejudicar seu modelo.

Use um gráfico de sedimentação, o cotovelo ou um limiar de variância acumulada para manter apenas os componentes necessários; depois, valide k na tarefa final. 🎯