temel bileşenler analizi

• aralarında korelasyon bulunan fazla sayıdaki değişkenlerin açıkladığı yapıyı, aralarında korelasyon bulunmayan az sayıda değişkenle temsil eden yöntemdir. kısaca boyut indirgemeye yarar..
• kaynaklarin olasilik dagilimlarinin gaussian olmasi halinda bagimsiz bilesenler analizi^*nin indirgendigi kavramdir.
  
  ama su yazdigimi kendim bile anlamiyorsam bu islerin hepsi yalandir dolandir.tarzancaya gecersek, pdfleri gaussian olan iki random variable gaussiansa independent components analysis, principal components analysis'e indirgenir. boyle diyince anliyorum ben yukardaki cumle oturgecli goturgec gibi geliyor napayim. bize boyle ogretenler utansin.
• babanneye anlatilir gibi anlatan bir stackexchange cevabi vardir ki tadindan yenmez.
• cok boyutlu veri kumelerinde kullanilan bir boyut dusurme teknigi. covariance matrisinin eigenvaluelerini bularaktan ve veri kumesindeki varyansi maksimize ederekten calisir.
• (bkz: pca)
• kameralardaki yüz tanıma uygulaması gibi google'ın pagerank uygulaması gibi geniş yelpazelerde kullanılan bir analiz türüdür.
• r ile grafigini olusturmaya calistigim analiz türü. simdilik tekstlerle ama renksiz olarak olusturabiliyorum.
• türkçe tanım yapabilecek beceriyi kendimde bulamıyorum. en güzeli ingilizce kaynaklardan okumak ve öyle anlamaya çalışmak. o yüzden ingilizce bir tanım bırakıyorum. copypaste.
  
  principal component analysis (pca) is a dimension-reduction tool that can be used to reduce a large set of variables to a small set that still contains most of the information in the large set.
  şuradan daha detaylı bilgiye ulaşabilirsiniz.
  
  daha önce hiç denememiştim, dün geceden beri r ile yapmaya çalışıyorum şimdilik beceremedim ama birkaç aya kadar çözmüş olurum. inanıyorum.
  
  r'da yapabilmek için çok fazla kaynak var, nerede çok fazla kaynak orada kafa karışıklığı demek benim için o yüzden en sadelerini seçtim ve bunlara bakarak yapmaya çalışıyorum.
  practical guide to principal component methods in r bu güzel bir kitap ama full text paralı ve ulaşamadım. ulaşan olursa ne güzel olur.
  computing and visualizing pca in r
  
  bir de kendi çalışma konunuz ile alakalı bir arama yaparsanız researchgate'de mutlaka bir şeyler çıkar karşınıza, researchgate soru kısmından insanlar bayağı bir tartışmışlar, kaynak paslaşması yapmışlar. işe yarar.
  
  kısa sürede çözebilirsem öğrendiklerimi eklerim. şimdilik ben de bu kadarım. ^*
• bu işlemi yapmak için github'da bulunan şu hazır kodu kullanabilirsiniz. pca with numpy
• eğer yeterince zeki ve azimliyseniz hem boyut indirgeyebileceğiniz hem de modelin başarı metriklerini yükseltebileceğiniz yaklaşım.
  
  ayrıca özellikle classification problemlerinde pca yardımıyla 2d veya 3d görselleştirme yapıp verinin dağılımı hakkında daha iyi bir fikir sahibi olabilirsiniz.