Bu görselde Temel bileşen analizi
Nokta bulutunun ortalamasından bir doğru geçirip her noktayı ona izdüşürün. yönündeki izdüşümlerin örneklem varyansı ’dir. Örneklem kovaryans matrisi , köşegeninde iki varyansı, dışında kovaryansı içerir (toplamlar ile bölünür). Temel bileşen analizi en büyük varyansın yönünü seçer. Bu yönde ortalamadan geçen doğru PC1, ona dik doğru PC2’dir. Kırmızı doğru , sarı çizgiler izdüşümlerdir. Kalın sarı çubuk ortalamadan her iki yana birer standart sapmayı gösterir.
Paralel ve dik varyansların toplamı sabittir
Pisagor’a göre her noktanın ortalamaya uzaklığının karesi, yönündeki ve ona dik bileşenlerin kareleri toplamıdır. Tüm veriler için toplandığında boyunca ve ona dik varyansların toplamı yönünden bağımsız olarak toplam varyans olur. Birini en büyük yapmak ötekini en küçük yapar. Ortalamadan geçen doğrular içinde PC1 dik uzaklıkların kareleri toplamını en aza indirir. değişkeninin üzerine regresyon doğrusu ise düşey artıkların kareleri toplamını en aza indirir. Dağınık bir bulutta doğruların yönleri çok farklı olabilir.
Çözüm neden bir özvektördür?
Simetrik matrisinin birbirine dik iki özvektörü ve bunlara karşılık gelen özdeğerleri vardır. bu bazda yazılırsa , ve değerlerinin ağırlıklı ortalamasıdır; birinci özvektörde en büyük, ikincide en küçük olur. Böylece PC1 ve PC2, matrisinin özvektör yönleridir; varyansları ve , PC1’in toplam içindeki payı ’dir. Uygulamada merkezlenmiş veri matrisinin tekil değer ayrışımı da aynı yönleri verir.
Birimler sonucu değiştirir
Varyanslar birimlere bağlıdır. Boy metreyle, ağırlık kilogramla ölçülünce ağırlık sayıları daha çok değişir. Sırf bu yüzden PC1 ağırlık eksenine yaklaşır. Farklı birimler kullanıldığında genellikle her değişkenden ortalaması çıkarılıp standart sapmasına bölünür. Böylece , korelasyon matrisine dönüşür. İki değişkende PC1 açısı 45° ( ise −45°) ve olur. ise hiçbir yön öne çıkmaz.
Dikkat edilecekler
- Temel bileşen ekseni bir doğrudur: yönü işaret seçimine kadar bellidir.
- Çok değişkenli verilerde de birkaç yön toplam varyansın çoğunu taşıyabilir. Böylece veriler daha az sayıyla betimlenebilir.
Kontroller
- Doğruyu döndürmek için kırmızı tutamacı sürükleyin veya kadranı çevirin. Tutamaç odaktayken ok tuşları 1° döndürür.
İlgili konular
Ek okumalar: Vikipedi: Principal component analysis (İngilizce).