๐ PCA: Dimensionality Reduction
Mengompresi banyak fitur menjadi sedikit โ tanpa membuang informasi penting.
๐ 1. Konsep: Arah Variansi Maksimal
Data sering "menyebar" di arah tertentu (korelasi antar fitur).
PCA menemukan sumbu baru di mana data paling menyebar โ
lalu memproyeksikan data ke sumbu-sumbu itu.
Data 2D yang memanjang diagonal:
โข
โข โข โ data menyebar kuat di arah diagonal
โข โข
โข โข
โข
PCA:
โข PC1 = arah variansi TERBESAR (diagonal di atas)
โข PC2 = arah variansi terbesar berikutnya (tegak lurus PC1)
Proyeksi ke PC1 saja (1 dimensi) โ kehilangan informasi MINIMAL.
Algoritma:
1. Center data (mean = 0)
2. Hitung matriks kovarians C = (1/(n-1)) ยท ZแตZ
3. Cari eigenvector C dengan eigenvalue terbesar โ PC1
(di sini: power iteration + deflation)
4. Ulangi untuk PC2, PC3, ...
"Variance explained" = eigenvalue / total eigenvalue
โ berapa % informasi yang tersimpan di tiap komponen.
๐ 3. Contoh: Kompresi 3D โ 2D
Kasus nyata: data 100 fitur โ diproyeksikan ke 2-3 dimensi untuk
visualisasi, atau ke 10 dimensi untuk mempercepat training.
โ ๏ธ PCA adalah unsupervised: ia tidak peduli label.
Arah variansi terbesar belum tentu arah yang paling memisahkan kelas.
Untuk itu ada supervised alternative: LDA (Linear Discriminant Analysis).
Dan seperti semua metode berbasis jarak โ scaling dulu!