PCA mengidentifikasi pola dalam data, dan mengekspresikan data sedemikian rupa untuk mendapatkan kesamaan dan perbedaannya. Metode PCA sebagai berikut:
Langkah 1: Mendapatkan beberapa data
Dalam contoh sederhana, ada kumpulan data yang hanya punya 2 dimensi.
Langkah 2 : Kurangi meannya
Agar PCA dapat bekerja dengan baik, kita harus mengurangi mean dari masing-masing dimensi data. Rata-rata yang dikurangkan adalah rata-rata di setiap dimensi. Jadi, semua nilai x dikurangi dengan mean dari nilai x dari semua titik data.
Data = nilai asli
Data Adjust = nilai setelah dikurangi.
Kita rata-ratakan semua x = 18.1/10 = 1.81
Lalu setiap x dikurangi 1.81, begitupula dengan y.
Langkah 3: Hitung matriks kovarians
Langkah 4: Hitunglah vektor eigen dan nilai eigen dari matriks kovariansi
Langkah 5: Memilih komponen dan membentuk sebuah vektor fitur
Langkah 6: Turunkan kumpulan data baru
Final data = row Feature Vector * Row data Adjust
0 Comments