كتب الذكاء الاصطناعيمشاريع الذكاء الاصطناعيمقالات الذكاء الاصطناعيمعجم الذكاء الاصطناعياسئلة واجوبة في الذكاء الاصطناعيأكاديمية الذكاء الاصطناعي للأطفالأكاديمية الذكاء الاصطناعيمدرسة رياضيات الذكاء الاصطناعيمختبر الذكاء الاصطناعيمختبر الخوارزميات المستوحاة من الطبيعةأطلس نماذج الذكاء الاصطناعيموسوعة تطبيقات الذكاء الاصطناعيمستكشف مجموعات البيانات للذكاء الاصطناعياختبارات الذكاء الاصطناعيالفايب كودينغدليل البرمجة بالذكاء الاصطناعيمولّد مشاريع الذكاء الاصطناعيمرصد الذكاء الاصطناعيدليل أدوات الذكاء الاصطناعي البحث والنشر الأكاديميمكتبة البرومبتات الأكاديميةمستودع الرسائل والأطاريح في الذكاء الاصطناعيحاسبة الترقية العلميةأكاديمية الوكلاء الذكيينمختبر أخلاقيات الذكاء الاصطناعي والعدالةساحة ألعاب الذكاء الاصطناعيمختبر التنبؤ بالسلاسل الزمنيةمتحف الذكاء الاصطناعيمختبر الرؤية الحاسوبيةمختبر الشبكات العصبية البيانيةمختبر معالجة اللغة الطبيعيةمختبر الحوسبة الكمّيةخرائط طريق الذكاء الاصطناعيأكاديمية ماتلاب والذكاء الاصطناعيمصمم الشبكات العصبيةأكاديمية الذكاء الاصطناعي بدون برمجة

تحليل المكونات الرئيسية

Principal Component Analysis (PCA)

التعلم غير الموجّه Unsupervised Learning

التعريف

يحوّل الخصائص المترابطة إلى محاور جديدة متعامدة (مكونات) مرتبة حسب مقدار التباين الذي تفسره.

الفكرة الأساسية

كثير من الخصائص تحمل معلومات متكررة. PCA يدير المحاور ليحتفظ بأكبر قدر من التباين في عدد أقل من الأبعاد، مما يسهل التصور ويقلل الضوضاء.

PC1PC2
المحور الأول PC1 يتجه حيث التباين الأكبر، وPC2 عمودي عليه.

آلية العمل

  1. نطبّع الخصائص (مهم جداً)
  2. نحسب مصفوفة التغاير
  3. نستخرج المتجهات الذاتية (المكونات) والقيم الذاتية
  4. نحتفظ بأول مكونات تفسر نسبة كافية من التباين
  5. نسقط البيانات عليها

نوع البيانات ونوع المشكلة

نوع البياناتجدولية رقمية مطبّعة
نوع المشكلةتقليل الأبعاد والتصور

المزايا

  • يسرّع النماذج ويقلل الضوضاء
  • يسمح برسم بيانات كثيرة الأبعاد في بعدين

القيود

  • المكونات صعبة التفسير
  • خطي فقط
  • لا يراعي عمود الهدف

المعاملات المهمة

  • عدد المكونات
  • نسبة التباين المفسَّر المطلوبة

مقاييس التقييم

  • نسبة التباين المفسَّر Explained Variance
  • Scree plot

الأدوات التي تدعمها

OrangePCA
KNIMEPCA
WEKAfilters.unsupervised.attribute.PrincipalComponents

أمثلة تطبيقية

  • تصور الأرقام المكتوبة 64 بُعداً في بعدين
  • ضغط الخصائص قبل التصنيف

مشاريع مرتبطة

خوارزميات بديلة

جرّبها في المختبر