Zuhause Persönliche Finanzen Anwendung der Hauptkomponentenanalyse auf Predictive Analytics - Dummies

Anwendung der Hauptkomponentenanalyse auf Predictive Analytics - Dummies

Video: Hauptkomponentenanalyse mit R 2025

Video: Hauptkomponentenanalyse mit R 2025
Anonim

Die Hauptkomponentenanalyse (PCA) ist eine wertvolle Technik, die in der Vorhersageanalytik und Datenwissenschaft weit verbreitet ist. Es untersucht einen Datensatz, um die relevantesten Variablen zu ermitteln, die für die größte Variation in diesem Datensatz verantwortlich sind. PCA wird meist als Datenreduktionstechnik eingesetzt.

Beim Erstellen von Vorhersagemodellen müssen Sie möglicherweise die Anzahl der Features reduzieren, die Ihr Dataset beschreiben. Es ist sehr nützlich, diese hohe Dimensionalität von Daten durch Approximationstechniken zu reduzieren, bei denen PCA überragend ist. Die approximierten Daten fassen alle wichtigen Variationen der Originaldaten zusammen.

Zum Beispiel kann der Merkmalsatz von Daten über Aktien Aktienkurse, Tageshochs und -tiefs, Handelsvolumen, gleitende 200-Tage-Durchschnitte, Preis-zu-Ertrags-Verhältnisse, relative Stärke zu anderen Märkten enthalten., Zinssätze und Stärke der Währungen.

Die Suche nach den wichtigsten prädiktiven Variablen ist der Kern der Erstellung eines Vorhersagemodells. Die Art, wie viele es getan haben, ist mit einem Brute-Force-Ansatz. Die Idee ist, mit so vielen relevanten Variablen wie möglich zu beginnen und dann einen Trichteransatz zu verwenden, um Features zu entfernen, die keinen Einfluss haben oder keinen Vorhersagewert haben.

Die Intelligenz und die Einsichten werden zu dieser Methode gebracht, indem die Stakeholder des Unternehmens einbezogen werden, weil sie einige Ahnungen darüber haben, welche Variablen die größte Auswirkung auf die Analyse haben werden. Die Erfahrung der an dem Projekt beteiligten Datenwissenschaftler ist auch wichtig, um zu wissen, mit welchen Variablen gearbeitet werden muss und welche Algorithmen für einen bestimmten Datentyp oder ein domänenspezifisches Problem verwendet werden müssen.

Um diesen Prozess zu unterstützen, verwenden Data Scientists viele Predictive Analytics-Tools, die es einfacher und schneller machen, mehrere Permutationen und Analysen in einem Dataset auszuführen, um die Auswirkung jeder Variablen auf dieses Dataset zu messen.

Da Sie wissen, dass es eine große Datenmenge gibt, mit der Sie arbeiten können, können Sie PCA für Hilfe verwenden.

Das Reduzieren der Anzahl von Variablen, die Sie betrachten, ist Grund genug, PCA zu verwenden. Durch die Verwendung von PCA schützen Sie sich außerdem automatisch vor einer Überanpassung des Modells.

Sicherlich könnten Sie eine Korrelation zwischen den Wetterdaten in einem bestimmten Land und der Performance ihres Aktienmarktes feststellen. Oder mit der Farbe der Schuhe einer Person und dem Weg, den sie oder er zum Büro nimmt, und die Leistung ihres Portfolios für diesen Tag. Die Einbeziehung dieser Variablen in ein Vorhersagemodell ist jedoch mehr als nur Überanpassung, sie ist irreführend und führt zu falschen Vorhersagen.

PCA verwendet einen mathematisch gültigen Ansatz, um die Teilmenge Ihres Datensatzes zu bestimmen, die die wichtigsten Merkmale enthält. Wenn Sie Ihr Modell auf diesem kleineren Datensatz aufbauen, verfügen Sie über ein Modell, das einen prädiktiven Wert für den gesamten größeren Datensatz hat, mit dem Sie arbeiten. Kurzum, PCA sollte Ihnen helfen, Ihre Variablen zu verstehen, indem Sie die Teilmenge der Variablen identifizieren, die für die meisten Variationen mit Ihrem ursprünglichen Datensatz verantwortlich sind. Es hilft Ihnen, Redundanz zu erkennen. Es hilft Ihnen herauszufinden, dass zwei (oder mehr Variablen) Ihnen dasselbe sagen.

Darüber hinaus verwendet die Hauptkomponentenanalyse Ihren mehrdimensionalen Datensatz und erzeugt einen neuen Datensatz, dessen Variablen für die Linearität der Variablen im ursprünglichen Datensatz repräsentativ sind. Zusätzlich hat der ausgegebene Datensatz individuell nicht korrelierte Variablen, und ihre Varianz wird nach ihren Hauptkomponenten geordnet, wobei der erste der größte ist, und so weiter. In dieser Hinsicht kann PCA auch als eine Technik zum Konstruieren von Merkmalen betrachtet werden.

Bei der Verwendung von PCA oder anderen ähnlichen Techniken, die dabei helfen, die Dimensionalität des Datensatzes, mit dem Sie es zu tun haben, zu reduzieren, müssen Sie immer vorsichtig sein, um die Leistung des Modells nicht negativ zu beeinflussen. Die Verringerung der Größe der Daten sollte nicht zu Lasten der Leistung gehen (die Genauigkeit des Vorhersagemodells). Treten Sie sicher auf und verwalten Sie Ihren Datensatz mit Sorgfalt.

Die erhöhte Komplexität eines Modells führt nicht zu einer höheren Qualität des Ergebnisses.

Um die Leistung des Modells zu erhalten, müssen Sie möglicherweise die Effektivität jeder Variablen sorgfältig bewerten und ihre Nützlichkeit bei der Gestaltung des endgültigen Modells messen.

Wenn man weiß, dass die PCA besonders nützlich sein kann, wenn die Variablen innerhalb eines gegebenen Datensatzes stark korreliert sind, kann ein Datensatz mit nicht korrelierten prädiktiven Variablen nur die Aufgabe verkomplizieren, die Dimensionalität von multivariaten Daten zu reduzieren. Viele andere Techniken können hier zusätzlich zu der PCA verwendet werden, wie z. B. Vorwärtsmerkmalsauswahl und Rückwärtsmerkmaleliminierung.

PCA ist kein Wundermittel, das alle Probleme mit mehrdimensionalen Daten löst. Der Erfolg hängt stark von den Daten ab, mit denen Sie arbeiten. Die statistische Varianz stimmt möglicherweise nicht mit Variablen mit den meisten prädiktiven Werten überein, obwohl es sicher ist, mit solchen Näherungen zu arbeiten.

Anwendung der Hauptkomponentenanalyse auf Predictive Analytics - Dummies

Die Wahl des Herausgebers

Wie man die Socialcast Mobile App benutzt - dummies

Wie man die Socialcast Mobile App benutzt - dummies

Sogar die stoischste Anwendung wie Microsoft Excel hat ein begleitendes Smartphone-App, natürlich hat Socialcast auch eine. Wenn es so wäre, wäre es nicht wirklich eine Ausrede zu sagen, dass Socialcast nicht sehr sozial wäre, wenn du es nicht mit in die große Welt außerhalb deiner Zelle mitnehmen könntest. Die mobile App ...

Wie man das App Verzeichnis von Yammer benutzt - dummies

Wie man das App Verzeichnis von Yammer benutzt - dummies

Sie haben vielleicht gehört: "Es gibt eine App dafür. "Nun, das ist der Fall bei Yammer, der als einzige Ressource für die Vernetzung am Arbeitsplatz funktioniert. Aber Yammer bietet Ihnen auch eine Menge Apps, mit denen Sie Ihr Arbeitsleben noch einfacher gestalten können. Es gibt zwei Möglichkeiten, auf das App-Verzeichnis zuzugreifen: Option ...

So ​​verwenden Sie die Yammer-Analysetools - Dummies

So ​​verwenden Sie die Yammer-Analysetools - Dummies

Yammer rühmt sich damit als "führendes soziales Unternehmensnetzwerk für Unternehmen" um die Arbeit intelligenter und schneller zu erledigen. "Woher weißt du, ob das wahr ist? Ein guter Weg, um zu sehen, wie es für Sie funktioniert, ist die Analyse von Yammer. Wie greifen Sie auf diese großartigen Tools zu? Es ist einfach. Log ...

Die Wahl des Herausgebers

Die Evolution von Distributed Computing für Big Data - Dummies

Die Evolution von Distributed Computing für Big Data - Dummies

Hinter allen wichtigen Trends des letzten Jahrzehnts, einschließlich Serviceorientierung, Cloud Computing, Virtualisierung und Big Data, ist eine grundlegende Technologie namens Distributed Computing. Einfach gesagt, ohne die Verteilung von Datenverarbeitung wäre keiner dieser Fortschritte möglich. Distributed Computing ist eine Technik, mit der einzelne Computer über geografische Gebiete hinweg miteinander vernetzt werden können, so als ob ...

Drei Anbieter mit Data Mining-Produkten - Dummies

Drei Anbieter mit Data Mining-Produkten - Dummies

Es gibt mehrere Anbieter, die Data-Mining-Produkte verkaufen, die Sie vielleicht in Betracht ziehen möchten. Verwenden Sie mit Ihrem Data Warehouse. Hier sind drei, die eine Überlegung wert sind. Microsoft Microsoft hat das serverseitige Data Mining mit Microsoft SQL Server 2005 eingeführt. Obwohl es nicht so ausgereift und ausgeklügelt wie SAS und SPSS ist, hat Microsoft im Laufe der Zeit seine Fähigkeit bewiesen ...

Grundlagen der Big-Data-Integration - Dummies

Grundlagen der Big-Data-Integration - Dummies

Die fundamentalen Elemente der Big-Data-Plattform verwalten Daten auf neue Weise verglichen mit der traditionellen relationalen Datenbank. Dies liegt daran, dass Skalierbarkeit und hohe Leistung erforderlich sind, um sowohl strukturierte als auch unstrukturierte Daten zu verwalten. Komponenten des Big-Data-Ökosystems von Hadoop bis NoSQL DB, MongoDB, Cassandra, ...

Die Wahl des Herausgebers

So ​​stellen Sie eine Verbindung zu Spotify Mobile her - Dummies

So ​​stellen Sie eine Verbindung zu Spotify Mobile her - Dummies

Die meisten modernen Smartphones sind Wi-Fi-fähig. In ein lokales Netzwerk können Sie Spotify-Tracks mithilfe von Wi-Fi auf Ihr Telefon streamen. Sie können Spotify Mobile zu Hause und über Wi-Fi-Netzwerke in Hotels und Cafés problemlos nutzen - Sie müssen nur sicherstellen, dass Sie angemeldet und verbunden sind. ...

Wie Spotify funktioniert - Dummies

Wie Spotify funktioniert - Dummies

Wie Spotify funktioniert, kann Auswirkungen auf den Festplattenspeicher Ihres Computers haben. Internetverbindung. Spotify funktioniert anders als viele andere Online-Musikdienste, weil es auf mehrere Arten angewiesen ist, um Ihnen reibungslos Musik ohne Verzögerungen zu liefern. In Computing-Sprechen, das Maß der Verzögerung zwischen Anfordern eines Songs und Hören es ...

So ​​erreichen Sie Spotify Support - Dummies

So ​​erreichen Sie Spotify Support - Dummies

Es kann vorkommen, dass Sie eine kleine Hilfe beim Navigieren und Verwenden von Spotify benötigen von deinen Spotify Freunden. Sie können jederzeit Support @ spotify per E-Mail senden. com mit Ihrer Frage oder melden Sie sich bei Twitter an und senden Sie einen Tweet an @spotify. Stellen Sie sicher, dass Sie alle Informationen einschließen, die dem Support-Team helfen könnten, einschließlich Ihres Benutzernamens, damit sie ...