🔍 What is PCA in ML? #shorts #coding

मान लो आप लोगों ने 1 मॉडल क्रिएट किया 1 डेटा सेट के साथ जिसके अन्दर थर्टी फीचर्स थे। जब आपने उन थर्टी फीचर्स के साथ मॉडल बनाया तो मॉडल की परफॉर्मेंस इतनी खास नहीं थी जब मॉडल की परफॉर्मेंस खास नहीं थी तो आपने देखा और आपने पी सी अप्लाई कर दिया पी सी ए का मतलब होता है प्रिंसिपल कॉम्पोनेंट एनालिसिस प्रिंसिपल कॉम्पोनेंट एनालिसिस क्या करता है प्रिंसिपल कॉम्पोनेंट एनालिसिस आपके थर्टी के थर्टी फीचर्स को लेकर ट्रांसफार्म करता है और कम्प्रेस करके कम नंबर ऑफ़ कॉलम्स में कनवर्ट कर देता है जब आपने 5 के साथ अप्लाई करा तो आपके मॉडल की एक्यूरेसी बढ़ गई तो इसमें इन चारों में से कौन सा करेक्ट रीजन हो सकता है की एग्जैक्ट ली जो आपका पी सी ए उसने करा किया उसने ओरिजनल फीचर्स है स्ट्रॉंग मल्टि कोलिनियारिटी पी सी न्यू फीचर्स टू द डेटा डेटा व ओवर फिटेड आफ्टर डिडक्शन आल द फीचर्स व इक्वली इम्पॉर्टेंट पी सी ए हमेशा उन्ही फीचर्स पर काम करता है जिसमे बहुत स्ट्रॉंग मल्टीकल लिनियारिटी होती है अगर आपके मॉडल की परफॉर्मेंस इनक्रीज हुई है आफ्टर पी सी ए इसका मतलब है की आपके जो फीचर्स थे वो डिप्लिकेट थे या फिर हाईली को रिलेटेड थे। मतलब उन दोनों कॉलम्स के बीच में मतलब उनके साथ साथ के कॉलम्स के बीच में काफी ज्यादा कोलिनरिटी थी। तो पी सी ए क्या करता है पी सी ए नए फीचर्स एड नहीं करता है पी सी हमेशा ट्रांसफार्म करता है और कम्प्रेस करता है पुराने वाले को पी सी ए हमेशा डी कलेटर करता है आपके डेटा को जिसकी वजह से आपको स्ट्रॉंग सिग्नल्स मिलते हैं जब भी आपका डेटा कंफ्यूज हो रहा होता है मल्टीपल फीचर्स के थ्रू तो आपको पी सी अप्लाई करना चाहिए और पी सी ए 1 अच्छी तकनीक है जो आपको जरूर सीखनी चाहिए।