गणित एक सुंदर और रोमांचक विज्ञान है, लेकिन इसकी सुंदरता को समझने के लिए आपको कदम दर कदम आगे बढ़ना होगा। आप एक बार में पूरे रास्ते नहीं जा सकते। इस चरण-दर-चरण परिवर्तन को आसान बनाने के लिए, आप कई फ़ार्मुलों और विधियों का उपयोग कर सकते हैं।

पीसीए और आईसीए दो ऐसी विधियाँ हैं जिनका उपयोग डेटा सेट को एक विशिष्ट आधार पर विभाजित करने के लिए किया जाता है। दोनों तकनीकें नए प्राप्त करने के लिए स्रोतों को एक रेखीय तरीके से जोड़ती हैं। वे दोनों एक दूसरे से काफी समान हैं फिर भी बहुत अलग हैं।

दोनों तकनीकों के बीच सबसे व्यावहारिक अंतर यह है कि पीसीए आपके डेटा के कम-रैंक प्रतिनिधित्व को खोजने के लिए उपयोगी है। दूसरी ओर, आईसीए आपके डेटा के स्वतंत्र उप-तत्वों को खोजने के लिए है।

आम आदमी के शब्दों में, पीसीए डेटा को कम्प्रेस करता है, और आईसीए इसे अलग करता है।

अगर आप इन तकनीकों के बारे में अधिक जानना चाहते हैं, तो अंत तक पढ़ें।

PCA और ICA तकनीकों का उपयोग विभिन्न परीक्षण प्रक्रियाओं में किया जाता है।

PCA क्या है?

पीसीए या प्रिंसिपल कंपोनेंट एनालिसिस एक रिडक्शन मेथड है जिसका इस्तेमाल बड़े डेटा सेट के आयामों को छोटे में बदलकर और सभी आवश्यक सूचनाओं को बरकरार रखते हुए कम करने के लिए किया जाता है।

जब आप डेटा सेट के आकार को कम करते हैं, तो आप सटीकता का त्याग कर रहे हैं, लेकिन आयामीता में कमी सादगी के लिए सटीकता का त्याग करने के बारे में है।

आप छोटे डेटा सेट को आसानी से एक्सप्लोर और विज़ुअलाइज़ कर सकते हैं, और मशीन लर्निंग एल्गोरिदम डेटा का अधिक सुलभ और तेज़ी से विश्लेषण कर सकते हैं क्योंकिकम चर होते हैं।

संक्षेप में, पीसीए का लक्ष्य अधिक से अधिक जानकारी को संरक्षित करते हुए डेटा सेट में चर की संख्या को कम करना है।

आईसीए क्या है?

स्वतंत्र घटक विश्लेषण (आईसीए) एक सांख्यिकीय तकनीक है जो यादृच्छिक चर, माप और संकेतों के सेट के पीछे छिपे कारकों को उजागर करती है।

स्वतंत्र घटक विश्लेषण (आईसीए) एक मिश्रित संकेत लेता है और इसे स्वतंत्र स्रोतों में अलग करता है। आप इसे कॉकटेल पार्टी प्रॉब्लम या ब्लाइंड सोर्स सेपरेशन प्रॉब्लम भी कह सकते हैं।

जब आप किसी कॉकटेल पार्टी में होते हैं, तो हर कोई अलग-अलग चीजों के बारे में बात कर रहा होता है, लेकिन आपका मस्तिष्क और कान अभी भी उस एक आवाज को ढूंढने और पहचानने में कामयाब होते हैं, जिसे आप सुनना चाहते हैं।

इसी तरह, आईसीए सिग्नल के मिश्रण से प्रत्येक सिग्नल को एक स्वतंत्र संदेश में अलग करने के लिए काम करता है।

आईसीए और पीसीए के बीच अंतर

यहां पीसीए और के बीच अंतर की एक सूची है आपके लिए आईसीए।

• आईसीए आपके डेटा के स्वतंत्र उप-तत्वों को खोजने के लिए अच्छा है, जबकि पीसीए आपको कम-रैंक प्रतिनिधित्व देता है।
• पीसीए डेटा को कंप्रेस करता है, जबकि आईसीए इसे अलग करता है।
• पीसीए में, घटक ओर्थोगोनल होते हैं; आईसीए में, वे नहीं हो सकते हैं। ICA में, आप स्वतंत्र रूप से रखे गए घटकों की तलाश कर रहे हैं।
• जबकि PCA इनपुट सिग्नल और प्रमुख घटकों के विचरण को अधिकतम करता है, ICA पाए गए घटकों के बीच आपसी जानकारी को कम करता है। <9
• पीसीएसुविधाओं को सबसे महत्वपूर्ण से कम महत्वपूर्ण के बीच रैंक करता है। हालाँकि, ICA में, घटक अनिवार्य रूप से अनियंत्रित और समान होते हैं।
• PCA ओवरफिटिंग को रोकने के लिए आयामों को कम करता है, जबकि ICA मिश्रित-संकेत लेता है और इसे अपने स्वतंत्र स्रोतों के संकेतों में बदल देता है।
• पीसीए भिन्नता को अधिकतम करने पर केंद्रित है, जबकि आईसीए भिन्नता पर केंद्रित नहीं है ।

यहां पीसीए और आईसीए के बारे में एक व्यापक वीडियो है।

पीसीए बनाम आईसीए

आप आईसीए का उपयोग कब कर सकते हैं?

आईसीए कई चरों के व्यापक डेटा सेट को स्व-संगठित घटकों की छोटी संख्या में कम करने का एक तरीका है।

एक डेटा सेट में कई चर होते हैं, इसलिए स्वतंत्र घटक विश्लेषण (आईसीए) का उपयोग उन्हें स्व-संगठित कार्यात्मक नेटवर्क के रूप में समझने के लिए छोटे आयामों में कम करने के लिए किया जाता है। आप गैर-भौतिक संकेतों का विश्लेषण करने के लिए ICA का उपयोग कर सकते हैं।

इसके कुछ अनुप्रयोगों में शामिल हैं;

• शेयर बाजार की कीमतों की भविष्यवाणी करें
• न्यूरॉन्स की ऑप्टिकल इमेजिंग
• चेहरे की पहचान
• खगोल विज्ञान और ब्रह्मांड विज्ञान
• मोबाइल फोन संचार

आप पीसीए का उपयोग कब कर सकते हैं?

पीसीए एक डायमेंशन रिडक्शन तकनीक है जिसका इस्तेमाल इमेज कंप्रेशन, फेशियल रिकॉग्निशन और कंप्यूटर विज़न डोमेन में किया जाता है। अपने आवश्यक tidbits खोए बिना डेटा। आप इसे तंत्रिका विज्ञान से लेकर विभिन्न क्षेत्रों में उपयोग कर सकते हैंमात्रात्मक वित्त।

इसके कुछ अनुप्रयोगों में शामिल हैं;

• चेहरे की पहचान
• छवि संपीड़न
• स्पाइक ट्रिगर सहप्रसरण विश्लेषण (तंत्रिका विज्ञान)
• बायोइन्फॉर्मेटिक्स
• डेटा माइनिंग

पीसीए और आईसीए तकनीकों का उपयोग करके न्यूरो विश्लेषण।

क्या आईसीए घटक ओर्थोगोनल हैं?

आईसीए घटक गैर-ऑर्थोगोनल हैं; अलंकृत रूपांतरण जिनके समाधान में उच्च-क्रम आँकड़े हैं।

क्या पीसीए घटक स्वतंत्र हैं?

पीसीए के सभी घटक सांख्यिकीय रूप से स्वतंत्र हैं।

पीसीए घटकों के बीच कोई अतिव्यापी जानकारी नहीं है। इसके घटक पारस्परिक रूप से ऑर्थोगोनल हैं और इसमें दूसरे क्रम के आँकड़े शामिल हैं।

क्या पीसीए रैखिक या गैर-रैखिक है?

पीसीए एक ओर्थोगोनल रैखिक परिवर्तन है। दूसरे निर्देशांक पर, और इसी तरह।

गैर-रैखिक आईसीए क्या है?

गैर-रैखिक आईसीए डेटा उत्पन्न करने वाले अव्यक्त चर को पुनर्प्राप्त करने की क्षमता पर ध्यान केंद्रित करता है, जो अप्रशिक्षित प्रतिनिधित्व सीखने का एक मूलभूत पहलू है।

डेटा सहायक चर के साथ संवर्धित हैं , जैसे टाइम इंडेक्स, टाइम सीरीज़ का इतिहास, या जो कुछ भी उपलब्ध है।

आप सटीक संवर्धित डेटा और डेटा के बीच भेदभाव करके गैर-रैखिक आईसीए सीख सकते हैंयादृच्छिक सहायक चर। लॉजिस्टिक रिग्रेशन के माध्यम से, ढांचे को एल्गोरिदमिक रूप से लागू किया जा सकता है।

आईसीए गैर-गाऊसी क्यों है?

आईसीए का एक प्रमुख तत्व यह है कि गुप्त कारकों को गैर-गाऊसी माना जाता है।

आईसीए दो गॉसियन कारकों को अलग नहीं करेगा क्योंकि यह सामान्यता से विचलन पर आधारित है . दो गाऊसी चर दिए गए हैं, एक परिपत्र संयुक्त संभावना के लिए कोई एकल समाधान नहीं है।

कौन सा बेहतर है; आईसीए या पीसीए?

दोनों अपने परिप्रेक्ष्य और उपयोग में बेहतर हैं।

पीसीए आपके डेटा के कम-रैंक प्रतिनिधित्व को खोजने के लिए महत्वपूर्ण है, और स्वतंत्र उप खोजने के लिए आईसीए -आपके डेटा के तत्व। आम आदमी की शर्तों में, पीसीए डेटा को कंप्रेस करता है और आईसीए इसे अलग करता है। इसलिए दोनों उपयोगी हैं।

अंतिम विचार

आईसीए और पीसीए अजगर समस्याओं को हल करने में उपयोग की जाने वाली तकनीकें हैं - दोनों समान सिद्धांतों पर काम करते हैं लेकिन अलग-अलग कार्य करते हैं।

आईसीए आपके डेटा के स्वतंत्र उप-तत्वों को खोजने और उन्हें अलग करने में मदद करता है। इसके अलावा, आईसीए पाए गए घटकों के बीच आपसी जानकारी को कम करता है और आपको स्वतंत्र रूप से रखे गए घटक देता है। प्रमुख घटकों के साथ।

संबंधित लेख

इस लेख का वेब स्टोरी संस्करण यहां पाया जा सकता है।