Wat is principal component analysis pca?

Maarten Soetens
Bijgewerkt · 1 min lezen

Wiskundige basis

PCA werkt door de covariantiematrix van de data te berekenen en de eigenwaarden en eigenvectoren te bepalen. De eigenvectoren vormen de hoofdcomponenten; de bijbehorende eigenwaarden geven aan hoeveel variantie elke component verklaart. De data worden geprojecteerd op de eerste paar componenten, waardoor dimensiereductie ontstaat. Meestal worden componenten gekozen die samen een groot deel van de variantie verklaren, bijvoorbeeld 95 procent. PCA is gevoelig voor schaal: variabelen moeten worden gestandaardiseerd voordat PCA wordt toegepast. Het is een van de oudste en meest gebruikte technieken in data-analyse en machine learning. Het is snel, deterministisch en relatief eenvoudig te implementeren.

Toepassingen en beperkingen

PCA wordt gebruikt voor datacompressie, ruisonderdrukking, visualisatie en feature extraction. In beeldverwerking reduceert het de dimensionaliteit van pixeldata; in financiën analyseert het risicofactoren; in genomics identificeert het populatiestructuur. Beperkingen zijn dat PCA alleen lineaire relaties vastlegt en dat componenten vaak moeilijk interpreteerbaar zijn. Ook is PCA gevoelig voor outliers. Voor niet-lineaire data zijn Kernel PCA, t-SNE of UMAP geschikter. PCA gaat ervan uit dat variantie gelijk is aan informatie, wat niet altijd klopt. Desondanks blijft het een waardevolle eerste stap bij exploratie van hoogdimensionale data en een nuttige baseline voor complexere methoden.

Meer over fundamenten van machine learning

Q learning uitgelegd Q-learning is een modelvrije reinforcement learning-algoritme dat de waarde van acties in toestanden leert zonder een model van de omgeving. Lees uitleg → Random forests Random Forest is een ensemble-methode die vele beslissingsbomen combineert om nauwkeurigere en robuustere voorspellingen te doen. Lees uitleg → Regressiemodellen lineair logistisch Lineaire regressie voorspelt een continue waarde, terwijl logistische regressie een kans schat voor een binaire classificatie. Lees uitleg → Wat is reinforcement learning versterkingsleren? Reinforcement learning is een leervorm waarbij een agent door trial-and-error leert welke acties beloningen maximaliseren in een omgeving. Lees uitleg →
Alle begrippen in fundamenten van machine learning → Naar de kennisbank →

Dit toepassen in
jouw bedrijf?

We vertalen het naar jouw processen en laten binnen een week een werkend prototype zien.

Plan een gesprek Bekijk diensten