PCA visual
Reduza 4, 13, 30 ou 64 medidas a 2 ou 3 componentes e gire o resultado em 3D: Iris, vinhos, câncer de mama e dígitos escritos à mão.
Os dados
No 3D, os eixos são PC1, PC2 e PC3.
As amostras no espaço dos componentes
Passe o mouse ou toque num ponto para ver os detalhes. As setas mostram o peso das medidas.
Carregando a base…
Variância explicada
Quanto da informação cada componente guarda.
Pesos (loadings)
Cada componente é uma mistura das medidas originais.
A intuição em 2D
Com as flores do Iris: gire a reta. Cada flor é projetada nela, e a barra mostra a variância dos pontos projetados. O PC1 é exatamente a direção em que essa variância é máxima.
O PCA passo a passo
- 1
Centralizar
Subtrai a média de cada medida (e divide pelo desvio, se padronizar), para todas começarem do zero.
- 2
Covariância
Monta a matriz p×p que diz o quanto cada par de medidas varia junto: 4×4 no Iris, 64×64 nos dígitos.
- 3
Autovetores
Os autovetores da covariância são as direções dos componentes; os autovalores, a variância em cada uma.
- 4
Projetar
Cada amostra vira coordenadas nos componentes. Ficando com 2 ou 3, saem p medidas e entram 2 ou 3 números.
Correlação
Passe o mouse numa célula para ver o par de medidas.
O mesmo PCA está implementado do zero em NumPy, via SVD, no ml-from-scratch, e validado contra o scikit-learn. Aqui ele roda no seu navegador, com os autovetores pelo método de Jacobi, e os testes conferem o resultado de cada base com o do scikit-learn.