تحليل المكونات الرئيسية

Principal Component Analysis (PCA)

طريقة لتقليل الأبعاد تُسقط البيانات على الاتجاهات التي تحمل أكبر تباين، وتُستخدم لرسم المتجهات عالية الأبعاد في بعدين.

خوارزمية تقليدية

طريقة العمل

تُوسَّط البيانات، وتُحسب مصفوفة التغاير، ثم متجهاتها الذاتية بأكبر القيم الذاتية (هنا بطريقة القوة مع الإزاحة)، ثم تُسقط النقاط عليها.

الخطوات

  1. توسيط البيانات
  2. مصفوفة التغاير
  3. المتجهات الذاتية الأكبر
  4. الإسقاط
المدخلاتمتجهات
المخرجاتإحداثيات منخفضة الأبعاد + نسبة التباين المفسَّر
التعقيدO(n·d² + d³)

مثال

رسم متجهات الكلمات في مستوٍ يظهر تجمع العواصم والدول.

المزايا

  • خطية وحتمية وسريعة

العيوب

  • قد لا تحفظ الجوار غير الخطي (t-SNE وUMAP أفضل لذلك)

الاستخدامات

  • التصوير
  • ضغط الميزات

مكتبات تطبّقها

scikit-learn (PCA)NumPy

راجع دليل المكتبات لمعرفة الرخص ومتطلبات التشغيل.

المراجع

  • Pearson, K. (1901). On Lines and Planes of Closest Fit to Systems of Points in Space. Philosophical Magazine, 2(11).
  • Jolliffe, I. T. (2002). Principal Component Analysis (2nd ed.). Springer.