Матэматыка - прыгожая і захапляльная навука, але вам трэба ісці крок за крокам, каб зразумець яе прыгажосць. Вы не можаце прайсці ўвесь шлях адразу. Каб палегчыць гэты пакрокавы пераход, вы можаце выкарыстоўваць некалькі формул і метадаў.

PCA і ICA - два такія метады, якія выкарыстоўваюцца для падзелу набору даных на пэўнай аснове. Абедзве методыкі аб'ядноўваюць крыніцы лінейным чынам, каб атрымаць новыя. Абодва яны даволі падобныя, але вельмі адрозніваюцца адзін ад аднаго.

Самае практычнае адрозненне паміж абодвума метадамі заключаецца ў тым, што PCA карысны для пошуку паніжанага рангу прадстаўлення вашых даных. З іншага боку, ICA прызначана для пошуку незалежных падэлементаў вашых даных.

Кажучы непрафесіяналам, PCA сціскае даныя, а ICA раздзяляе іх.

Калі вы хочаце даведацца больш пра гэтыя метады, прачытайце да канца.

Метады PCA і ICA выкарыстоўваюцца ў розных працэсах тэсціравання.

Што такое PCA?

PCA або аналіз галоўных кампанентаў - гэта метад скарачэння, які выкарыстоўваецца для памяншэння памераў вялікіх набораў даных шляхам змены іх у меншыя і захавання ўсёй неабходнай інфармацыі ў цэласці.

Калі вы памяншаеце памер набору даных, вы ахвяруеце дакладнасцю, але памяншэнне памернасці заключаецца ў ахвяраванні дакладнасцю дзеля прастаты.

Вы можаце лягчэй даследаваць і візуалізаваць меншыя наборы даных, а алгарытмы машыннага навучання могуць аналізаваць даныя больш даступнымі і хуткімі, таму штоёсць менш зменных.

Падводзячы вынік, PCA імкнецца паменшыць колькасць зменных у наборы даных, захоўваючы пры гэтым як мага больш інфармацыі.

Што такое ICA?

Незалежны кампанентны аналіз (ICA) - гэта статыстычны метад, які выяўляе схаваныя фактары, якія стаяць за наборамі выпадковых зменных, вымярэнняў і сігналаў.

Незалежны кампанентны аналіз (ICA) прымае змешаны сігнал і падзяляе яго на незалежныя крыніцы. Вы таксама можаце назваць гэта праблемай кактэйльнай вечарынкі або праблемай сляпога падзелу крыніцы.

Калі вы знаходзіцеся на кактэйльнай вечарыне, усе гавораць пра розныя рэчы, але ваш мозг і вушы ўсё роўна ўмеюць знаходзіць і вызначаць адзіны голас, які вы хочаце пачуць.

Аналагічным чынам ICA працуе, каб аддзяліць кожны сігнал ад сумесі сігналаў у незалежнае паведамленне.

Розніца паміж ICA і PCA

Вось спіс адрозненняў паміж PCA і ICA для вас.

• ICA добра падыходзіць для пошуку незалежных падэлементаў вашых даных, у той час як PCA забяспечвае паніжанае прадстаўленне.
• PCA сціскае даныя, а ICA раздзяляе іх.
• У PCA кампаненты артаганальныя; у ICA іх можа не быць. У ICA вы шукаеце незалежна размешчаныя кампаненты.
• У той час як PCA максімізуе дысперсію ўваходнага сігналу і галоўных кампанентаў, ICA мінімізуе ўзаемную інфармацыю сярод знойдзеных кампанентаў.
• PCAранжыруе прыкметы ад найбольш значных да найменш значных. Тым не менш, у ICA кампаненты па сутнасці неўпарадкаваныя і роўныя.
• PCA памяншае памеры, каб прадухіліць празмернае абсталяванне, у той час як ICA прымае змешаны сігнал і ператварае яго ў сігналы сваіх незалежных крыніц.
• PCA сканцэнтраваны на максімізацыі дысперсій, тады як ICA не сканцэнтраваны на дысперсіях .

Вось падрабязнае відэа пра PCA і ICA.

PCA СУПРАЦЬ ICA

Калі можна выкарыстоўваць ICA?

ICA - гэта спосаб паменшыць шырокі набор даных з мноства зменных у меншую колькасць самаарганізаваных кампанентаў.

Набор даных складаецца з мноства зменных, таму незалежны Аналіз кампанентаў (ICA) выкарыстоўваецца, каб скараціць іх да меншых памераў, каб разумець іх як самаарганізаваныя функцыянальныя сеткі. Вы можаце выкарыстоўваць ICA для аналізу нефізічных сігналаў.

Некалькі з яго прымянення ўключаюць у сябе:

• Прагназаванне коштаў на фондавым рынку
• Аптычную візуалізацыю нейронаў
• Распазнаванне твараў
• Астраномія і касмалогія
• Мабільная тэлефонная сувязь

Калі можна выкарыстоўваць PCA?

PCA - гэта метад памяншэння памераў, які выкарыстоўваецца ў сферах сціску выявы, распазнання твараў і камп'ютэрнага зроку.

Гэта адзін з найбольш крытычных алгарытмаў, якія выкарыстоўваюцца для памяншэння памераў любога даных, не губляючы іх істотных прынадных кавалачкаў. Вы можаце выкарыстоўваць яго ў розных галінах, ад неўралогіі даколькасныя фінансы.

Некаторыя з яго прыкладанняў ўключаюць у сябе:

• Распазнаванне твараў
• Сцісканне выявы
• Аналіз каварыяцый, выкліканы ўсплёскам (неўралогіі)
• Біяінфарматыка
• Інтэлектуальны аналіз даных

Нейрааналіз з выкарыстаннем метадаў PCA і ICA.

Ці артаганальныя кампаненты ICA?

Кампаненты ICA неартаганальныя; дэкарэлюючыя пераўтварэнні, рашэнне якіх мае статыстыку больш высокага парадку.

Ці незалежныя кампаненты PCA?

Усе кампаненты PCA з'яўляюцца статыстычна незалежнымі.

Кампаненты PCA не маюць ніякай перакрываючайся інфармацыі паміж сабой. Яго кампаненты ўзаемна артаганальныя і ўключаюць статыстыку другога парадку.

PCA лінейны ці нелінейны?

PCA - гэта артаганальнае лінейнае пераўтварэнне.

Яно пераўтварае даныя ў новую сістэму каардынат так, што самая значная дысперсія ляжыць на першай каардынаце, другой па велічыні дысперсіі па другой каардынаце і гэтак далей.

Што такое нелінейны ICA?

Нелінейны ICA факусуюць на здольнасці аднаўляць схаваныя зменныя, якія генеруюць даныя, што з'яўляецца фундаментальным аспектам некантраляванага навучання прадстаўленню.

Даныя дапаўняюцца дапаможнымі зменнымі , як індэкс часу, гісторыя часовых шэрагаў або што-небудзь яшчэ даступнае.

Вы можаце навучыцца нелінейнаму ICA, адрозніваючы дакладныя дапоўненыя даныя ад даных з дапамогайрандомізірованный дапаможная зменная. З дапамогай лагістычнай рэгрэсіі структуру можна рэалізаваць алгарытмічна.

Чаму ICA не з'яўляецца гаусаўскім?

Ключавым элементам ICA з'яўляецца тое, што схаваныя фактары лічацца негаусавымі.

ICA не будзе раздзяляць два гаўсавы фактары, паколькі ён заснаваны на адхіленні ад нармальнасці . Улічваючы дзве зменныя Гаўса, няма адзінага рашэння для імавернасці кругавога сустава.

Якое з іх лепш; ICA або PCA?

Абодва лепшыя з пункту гледжання і выкарыстання.

PCA важны для пошуку паніжанага рангу прадстаўлення вашых даных, а ICA для пошуку незалежных суб -элементы вашых дадзеных. Кажучы непрафесіяналам, PCA сціскае дадзеныя, а ICA раздзяляе іх. Такім чынам, абодва карысныя.

Заключныя думкі

ICA і PCA - гэта метады, якія выкарыстоўваюцца пры вырашэнні праблем Python - абодва працуюць па падобных прынцыпах, але выконваюць розныя функцыі.

ICA дапамагае знайсці незалежныя падэлементы вашых даных і падзяліць іх. Больш за тое, ICA мінімізуе ўзаемную інфармацыю сярод знойдзеных кампанентаў і дае вам незалежна размешчаныя кампаненты.

Аднак PCA сціскае даныя і дае вам прадстаўленне паменшанага рангу з артаганальнымі кампанентамі, што максімальна павялічвае дысперсію ўваходнага сігналу разам з асноўнымі кампанентамі.

Звязаныя артыкулы

Версію гэтага артыкула можна знайсці тут.