Негізгі компоненттерді талдау: 4 қадам

2024 Автор: John Day | [email protected]. Соңғы өзгертілген: 2024-01-30 10:25

Негізгі компоненттерді талдау - ортогоналды түрлендірулерді қолдану арқылы мүмкін корреляцияланған айнымалылар жиынтығын сызықтық байланыссыз мәндер жиынына түрлендіретін статистикалық әдіс. Бірнеше өлшемдері бар деректер жиынтығы берілген қарапайым сөзбен айтқанда, ол өлшемдердің санын азайтуға көмектеседі, осылайша деректерді оқуды жеңілдетеді.

1 -қадам: бастапқы жоспарлар

Мен бұл сыныпқа суреттермен қамтамасыз етілгенде бетті тануға мүмкіндік беретін алгоритмді түсінгім келеді және жазғым келеді деген оймен келдім. Менде бет -әлпетті тануға қатысты ешқандай тәжірибе мен білім болған жоқ және мұндай нәрсеге қол жеткізу қаншалықты қиын екенін білмедім. Профессор Маллохпен сөйлескеннен кейін мен жоспарлаған тапсырманы толық түсіну үшін көп нәрсені үйрену керектігін түсіндім.

Кішкене зерттеуден кейін мен ақырында сызықтық алгебра мен машиналық оқытудың кейбір негіздерін үйрену үшін бәрінен де көп қажет деп шештім және PCA -ға (негізгі компоненттерді талдау) осы сыныптың мақсаты болдым деп шештім.

2 -қадам: Зерттеу

Алғашқы қадам - Кітапханаға бару және мені машиналық оқыту мен дәлірек айтқанда кескінді өңдеуді таныстырған кез келген кітапты табу. Бұл мен ойлағаннан әлдеқайда қиын болды, мен одан ештеңе алмадым. Содан кейін мен Vision зертханасында жұмыс істейтін досымнан сызықтық алгебраны, нақтырақ айтқанда меншікті векторлар мен меншікті мәндерді қарастыруды сұрадым. Мен екінші курста оқыған, бірақ меншікті векторлардың немесе меншікті мәндердің суреттермен жұмыс жасауда қалай пайдалы болатынын түсінбеген сабақта сызықтық алгебра бойынша біраз тәжірибе жинадым. Мен көбірек зерттей келе, мен суреттер үлкен деректер жиынтығынан басқа ештеңе емес екенін түсіндім, сондықтан оларды матрицалар ретінде қарастыруға болатынын түсіндім, және мен үшін меншікті векторлардың неге қатысы бар екені маған түсінікті болды. Осы сәтте мен жобаға питонды қолданатын болсам, суреттерді питон арқылы оқуды үйренуім керек деп шештім. Бастапқыда мен суреттерді оқу үшін CV2.imread қолдануды бастадым, бірақ бұл өте баяу болды, сондықтан мен glob және PIL.image.open қолдануды шештім, себебі бұл әлдеқайда жылдам. Қағаздағы бұл процесс салыстырмалы түрде көп уақытты қажет етпейтін сияқты, бірақ шын мәнінде көп уақытты қажет етті, себебі мен PyCharm (IDE) -ге әр түрлі кітапханаларды орнатуды және импорттауды үйренуім керек болды, содан кейін әр кітапханаға арналған құжаттарды онлайн режимінде оқу керек болды. Бұл процесте мен пәрмен жолында pip install операторын қалай қолдануға болатынын білдім.

Осыдан кейін, келесі қадам - мен кескінді өңдеуде нені үйренгім келетінін анықтап, бастапқыда мен шаблонды сәйкестендіруді жоспарладым, бірақ оны зерттеу барысында мен PCA туралы білдім және оны қызықты деп таптым, сондықтан мен шештім оның орнына PCA барыңыз. Ең бірінші болып K-NN (жақын маңдағы көрші) алгоритмі пайда болды. Бұл менің машиналық оқыту алгоритміне алғаш рет әсер етуім. Мен жаттығулар мен тестілеу деректері мен алгоритмнің «жаттығуы» нені білдіретіні туралы білдім. K-NN алгоритмін түсіну қиын болды, бірақ оның қалай жұмыс істейтінін түсіну өте қанағаттандырарлық болды. Мен қазір K-NN кодымен жұмыс жасаймын және мен аяқталуға жақынмын.

3 -қадам: Қиындықтар мен алынған сабақтар

Бірінші үлкен қиындық - бұл жобаның көлемі. Бұл физикалық емес, зерттеуге бағытталған. Бірнеше апта өткен сайын мен өзімнің құрдастарымның жетістіктеріне қарап, мен жеткіліксіз жұмыс істеп жатқанымды немесе тез жетістікке жетпейтінімді және кейде өте демотивациялайтынын сезетінмін. Профессор Маллохпен сөйлесіп, мен үшін өте жаңа нәрсені үйреніп жүргеніме өзімді сендіру маған әрі қарай жалғастыруға көмектесті. Тағы бір мәселе - теориялық материалдарды білу және оны қолдану екі түрлі нәрсе. Мен не істеу керектігін білсем де, оны питонда кодтау - бұл бөлек әңгіме. Дәл осы жерде құжаттарды желіде оқу және бұл туралы көбірек білетін достарынан сұрау іс -қимыл жоспарын анықтауға көмектесті.

Менің ойымша, M5 -те кітаптар мен құжаттардың үлкен кітапханасы болуы жобалармен айналысатын адамдарға көмектесе алады. Сондай-ақ, басқа студенттер мен қызметкерлер оған қызығушылық танытса, қатысуы үшін M5 үшін жақсы идея.

Жоба аяқталған соң мен қысқа мерзімде көп нәрсені үйрендім. Мен машиналық оқыту туралы өте жақсы білім алдым және оған көбірек араласу үшін алғашқы қадамдар жасағандай сезінемін. Мен компьютерді көруді ұнататынымды және болашақта да осы мақсатпен айналысқым келетінін түсіндім. Ең бастысы, мен PCA деген не екенін, неге бұл маңызды екенін және оны қалай қолдану керектігін білдім.

4 -қадам: Келесі қадамдар

Мен үшін бұл әлдеқайда кең және қазіргі әлемде өте маңызды нәрсенің бетін тырнау болды, яғни машиналық оқыту. Мен жақын арада машиналық оқытуға байланысты курстарға баруды жоспарлап отырмын. Мен сондай -ақ бет -әлпетті тануға дейін өз жолымды құруды жоспарлап отырмын, өйткені бұл жерде бүкіл жоба басталды. Менде қауіпсіздікті қамтамасыз ету үшін комбинациялы функцияларды (олардың біреуі адамның бет -әлпетін) қолданатын қауіпсіздік жүйесі туралы идеялар бар, мен болашақта заттарды кеңірек түсінген кезде жұмыс жасағым келеді..

Мен сияқты машиналық оқытуға және кескінді өңдеуге қызығушылық танытатын, бірақ бұрын тәжірибесі жоқ кез келген адамға мен статистикалық мәліметтермен қатар сызықтық алгебраны үйренуді және түсінуді ұсынамын (әсіресе таратулар). Екіншіден, мен Кристофер Бишоптың «Үлгіні тану және машиналық оқыту» оқуын ұсынар едім. Бұл кітап маған не істеп жатқанымның негізін түсінуге көмектесті және өте жақсы құрылымдалған.