ml/ library Learn by doing
ALGORITHM 08 · PYTHON / JAVASCRIPT

Principal Component Analysis

หมุนแกนข้อมูลเพื่อเก็บทิศที่มีความแปรปรวนมากที่สุด

LEARNING LEVEL1
พื้นฐานควรรู้มาก่อน · เวกเตอร์ variance และ covariance
ลองใน Playground

01Overall Concept

OVERALL CONCEPT

ไอเดียหลัก — PCA สร้างแกนใหม่ที่ตั้งฉากกัน โดยแกนแรกเก็บความแปรปรวนมากที่สุดและแกนถัดไปเก็บส่วนที่เหลือ ช่วยย่อจำนวนคอลัมน์พร้อมรักษาโครงสร้างเชิงเส้นส่วนใหญ่ไว้

ลองนึกภาพว่า — เหมือนหมุนกล้องให้มองก้อนข้อมูลจากมุมที่เห็นการกระจายชัดที่สุด แล้วเก็บเฉพาะมุมสำคัญ

ตัวอย่างการนำไปใช้ — วาดข้อมูลมิติสูงเป็น 2 มิติ ลด noise และเตรียม feature ก่อนโมเดลอื่น

02อธิบายภาษาคนเข้าใจง่ายๆ

เล่าแบบไม่ใช้ศัพท์ยาก

Principal Component Analysis เริ่มจากคำถามง่าย ๆ ว่า หมุนแกนข้อมูลเพื่อเก็บทิศที่มีความแปรปรวนมากที่สุด วิธีนี้ไม่ได้มองข้อมูลทุกชนิดเหมือนกัน จึงต้องเตรียมข้อมูลให้ตรงกับสิ่งที่อัลกอริทึมใช้คำนวณ

เหมือนหมุนกล้องให้มองก้อนข้อมูลจากมุมที่เห็นการกระจายชัดที่สุด แล้วเก็บเฉพาะมุมสำคัญ ภาพเปรียบเทียบนี้ช่วยจำแก่นของวิธี แต่ตอนใช้งานจริงคอมพิวเตอร์ทำงานกับตัวเลขและกฎที่กำหนดไว้อย่างชัดเจน

PCA สร้างแกนใหม่ที่ตั้งฉากกัน โดยแกนแรกเก็บความแปรปรวนมากที่สุดและแกนถัดไปเก็บส่วนที่เหลือ ช่วยย่อจำนวนคอลัมน์พร้อมรักษาโครงสร้างเชิงเส้นส่วนใหญ่ไว้ พารามิเตอร์หลักใน Playground คือ จำนวนองค์ประกอบ เมื่อเลื่อนค่า ระบบจะคำนวณผลใหม่จากข้อมูลชุดเดิม จึงเปรียบเทียบการเปลี่ยนแปลงได้ตรง ๆ

ข้อมูลตัวอย่างบนหน้าใช้รูปแบบ 150 แถว × 2 features → 1 หรือ 2 components เราแยกสิ่งที่อัลกอริทึมรับเข้าออกจากผลลัพธ์ เพื่อไม่เผลอส่งข้อมูลคำตอบหรือข้อมูลอนาคตเข้าไปตอนฝึก

งานที่เหมาะ เช่น วาดข้อมูลมิติสูงเป็น 2 มิติ ลด noise และเตรียม feature ก่อนโมเดลอื่น ก่อนใช้จริงควรกำหนด metric ที่สัมพันธ์กับเป้าหมาย แล้วเปรียบเทียบกับวิธีพื้นฐานที่ง่ายกว่า

ภาพจำ: PC1 เก็บ variance มากที่สุด · PC2 ตั้งฉากกับ PC1 พร้อมจำข้อจำกัดสำคัญว่า PCA จับเฉพาะโครงสร้างเชิงเส้น แกนอาจตีความยาก และถ้าไม่ปรับสเกล feature หน่วยใหญ่จะครองผลลัพธ์

03How it works

ค่อยๆ ทำไปด้วยกัน ตั้งแต่ข้อมูลแถวแรกจนถึงการตรวจคำตอบ

  1. เตรียมข้อมูลให้ตรงโจทย์

    X เป็นตารางตัวเลขที่ควร center และมักควรปรับสเกลเมื่อหน่วยต่างกัน ตรวจค่าที่หาย หน่วยของแต่ละคอลัมน์ และแยกข้อมูลประเมินก่อนเรียนรู้พารามิเตอร์จากข้อมูล

  2. ตั้งค่าที่ควบคุมพฤติกรรม

    ใช้ n_components เพื่อจำนวนแกนใหม่ที่เก็บไว้ และบันทึกค่าเริ่มต้นหรือ random seed เมื่อวิธีมีการสุ่ม เพื่อให้ทำซ้ำและเปรียบเทียบได้

  3. คำนวณแก่นของวิธี

    ลบค่าเฉลี่ยของแต่ละ feature จากนั้น หาแกน eigenvector หรือ SVD ที่เรียงตาม variance Playground ใช้ข้อมูลสาธิตชุดเดิมทุกครั้งเพื่อให้เห็นผลของ slider โดยไม่ถูกความสุ่มกลบ

  4. สร้างผลลัพธ์ที่นำไปอ่านได้

    ฉายข้อมูลลงบนแกนที่เลือก ผลที่ได้คือ คะแนน component และ explained variance ratio ตัวเลขหรือกลุ่มที่ได้ยังต้องตีความร่วมกับบริบทของข้อมูล

  5. ตรวจว่าคำตอบใช้ได้จริง

    เปรียบเทียบหลายค่าของ n_components ด้วย metric ที่เหมาะ ดูทั้งผลรวมและกรณีที่พลาด แล้วทดสอบกับข้อมูลที่ไม่ใช้ปรับค่า โดยคำนึงถึงข้อจำกัดว่า PCA จับเฉพาะโครงสร้างเชิงเส้น แกนอาจตีความยาก และถ้าไม่ปรับสเกล feature หน่วยใหญ่จะครองผลลัพธ์

เปิดตัวอย่างโค้ดเพื่อลองทำตาม →ตัวอย่างตัวเลขในเรื่องใช้ช่วยอธิบาย ส่วนโค้ดและ Playground ใช้ชุดข้อมูลสาธิตของแต่ละหน้าอ่านเอกสารอ้างอิงของเทคนิคนี้ ↗

ข้อมูล พารามิเตอร์ และภาพรวมการคำนวณ

DATA INX · features · no target y150 แถว × 2 features → 1 หรือ 2 components
CALCULATEPrincipal Component Analysis
n_componentswhitensvd_solver
RESULTcluster labels + centersPC1 เก็บ variance มากที่สุด · PC2 ตั้งฉากกับ PC1
เส้นทางของข้อมูล: จากค่าที่รับเข้า ผ่านการคำนวณด้วยพารามิเตอร์ ไปเป็นผลลัพธ์
INPUT

ข้อมูลที่รับเข้ามา

X เป็นตารางตัวเลขที่ควร center และมักควรปรับสเกลเมื่อหน่วยต่างกัน

150 แถว × 2 features → 1 หรือ 2 components
PARAMETERS

พารามิเตอร์ที่ใช้

n_components
จำนวนแกนใหม่ที่เก็บไว้
whiten
ปรับ variance ของ component ให้เป็นหนึ่งหรือไม่
svd_solver
วิธีคำนวณ SVD ที่เหมาะกับขนาดข้อมูล
OUTPUT

ผลลัพธ์ที่ได้

คะแนน component และ explained variance ratio

PC1 เก็บ variance มากที่สุด · PC2 ตั้งฉากกับ PC1
CALCULATION

คำนวณทีละขั้น

  1. 01

    ลบค่าเฉลี่ยของแต่ละ feature

  2. 02

    หาแกน eigenvector หรือ SVD ที่เรียงตาม variance

  3. 03

    ฉายข้อมูลลงบนแกนที่เลือก

ควรรู้อีกนิด — PCA จับเฉพาะโครงสร้างเชิงเส้น แกนอาจตีความยาก และถ้าไม่ปรับสเกล feature หน่วยใหญ่จะครองผลลัพธ์

04Make it yours

Python · scikit-learn
# ติดตั้ง: pip install numpy scikit-learnimport numpy as np data = np.genfromtxt("principal-component-analysis-sample.csv", delimiter=",", skip_header=1)X = data[:, :2] from sklearn.decomposition import PCAfrom sklearn.preprocessing import StandardScaler X_scaled = StandardScaler().fit_transform(X)X_nonnegative = X - X.min(axis=0)model = PCA(n_components=2)Z = model.fit_transform(X_scaled)print("Output shape:", Z.shape)print("First rows:\n", Z[:5])if hasattr(model, "explained_variance_ratio_"):    print("Explained variance:", model.explained_variance_ratio_)if hasattr(model, "components_"):    print("Components:\n", model.components_)

โค้ดเปลี่ยนตามค่าที่เลือกใน Playground · แต่ละภาษาใช้ข้อมูลตัวอย่างตามที่ระบุในโค้ด

05Learn by playing

ปรับ จำนวนองค์ประกอบ แล้วสังเกตรูปแบบคำทำนายและตัวชี้วัดที่คำนวณใหม่ทันที

Sample dataset / Transformed representation● คำนวณใหม่เมื่อปรับค่า
จำนวนแกนหลักที่เก็บไว้จากข้อมูล 2 มิติ
กากบาทดำคือ centroid จาก mini batchกากบาท = centroid · สี = กลุ่มที่เรียนรู้
Variance retained1
Output shape150 × 2
พารามิเตอร์ที่ลอง2

Playground เป็น implementation เพื่อการเรียนรู้ที่คำนวณในเบราว์เซอร์ ส่วนโค้ด Python ใช้ scikit-learn จึงอาจให้ค่าต่างกันเล็กน้อยจากรายละเอียดการ optimize และค่าเริ่มต้นของไลบรารี ผลนี้ไม่ใช่ benchmark บนข้อมูลจริง