Principal Component Analysis (PCA)

تحليل المكونات الرئيسية (PCA) هو تقنية إحصائية شائعة الاستخدام في machine learning (ML) تعمل على تبسيط تعقيد البيانات ذات الأبعاد العالية مع الاحتفاظ بمعلوماتها الأساسية. وهي تعمل كطريقة لـ dimensionality reduction، حيث تحول مجموعات البيانات الكبيرة ذات المتغيرات الكثيرة إلى مجموعة أصغر وأكثر قابلية للإدارة تُعرف بـ "المكونات الرئيسية". ومن خلال تحديد الاتجاهات التي تتباين فيها البيانات بشكل أكبر، يتيح تحليل PCA لعلماء البيانات تقليل التكاليف الحسابية وإزالة التشويش دون فقدان الأنماط المهمة. تُعد هذه العملية خطوة حاسمة في data preprocessing الفعال، وغالباً ما تُستخدم لتصور مجموعات البيانات المعقدة في بعدين أو ثلاثة أبعاد.

كيف تعمل PCA#

في جوهره، يُعد تحليل PCA تقنية تحويل خطي تعيد تنظيم البيانات بناءً على التباين. في مجموعة بيانات تحتوي على ميزات عديدة - مثل قيم بكسل في صورة أو قراءات مستشعرات في شبكة Internet of Things (IoT) - غالباً ما تتداخل المتغيرات في المعلومات التي تنقلها. يحدد PCA متغيرات جديدة غير مترابطة (المكونات الرئيسية) والتي تزيد التباين بشكل متتالي. يلتقط المكون الأول أكبر قدر ممكن من التباين في البيانات، بينما يلتقط الثاني ثاني أكبر قدر (مع كونها متعامدة مع الأول)، وهكذا.

من خلال الاحتفاظ بالمكونات العليا القليلة فقط والتخلص من الباقي، يمكن للممارسين تحقيق ضغط كبير. يساعد هذا في تخفيف curse of dimensionality، وهي ظاهرة يتدهور فيها أداء predictive modeling كلما زاد عدد الميزات بالنسبة لعينات التدريب المتاحة.

تطبيقات العالم الحقيقي#

يتميز تحليل PCA بالمرونة وهو يدعم مراحل مختلف من AI development lifecycle، بدءاً من تنظيف البيانات وحتى تصور الأجزاء الداخلية للنموذج.

• تصور التضمينات المرئية: في مهام computer vision (CV) المتقدمة، تُنشئ نماذج مثل YOLO26 embeddings عالية الأبعاد لتمثيل الصور. قد تحتوي هذه المتجهات على 512 أو 1024 قيمة متميزة، مما يجعل من المستحيل على البشر رؤيتها مباشرة. يستخدم المهندسون تحليل PCA لإسقاط هذه التضمينات على مخطط ثنائي الأبعاد، مما يسمح لهم بفحص مدى نجاح النموذج في فصل الفئات المختلفة بصرياً، مثل التمييز بين "المشاة" و"راكبي الدراجات" في أنظمة autonomous vehicle.
• المعالجة المسبقة لاكتشاف الشذوذ: تستخدم المؤسسات المالية وشركات الأمن السيبراني تحليل PCA لـ anomaly detection. من خلال نمذجة السلوك العادي للنظام باستخدام المكونات الرئيسية، يتم الإبلاغ عن أي معاملة أو حزمة شبكية لا يمكن إعادة بناؤها جيداً بواسطة هذه المكونات على أنها قيمة متطرفة. يُعد هذا فعالاً لاكتشاف الاحتيال أو adversarial attacks في التدفقات الفورية.

PCA مقابل t-SNE والمشفرات التلقائية (Autoencoders)#

على الرغم من أن تحليل PCA يُعد أداة قياسية لـ feature extraction، فمن المفيد التمييز بينه وبين تقنيات الاختزال الأخرى:

• t-SNE (t-Distributed Stochastic Neighbor Embedding): تحليل PCA هو طريقة خطية تحافظ على الهيكل العالمي والتباين. في المقابل، يُعد t-SNE تقنية احتمالية غير خطية تتميز بالحفاظ على هياكل الجوار المحلية، مما يجعلها أفضل لتصور المجمعات المتميزة ولكنه أكثر تطلباً من الناحية الحسابية.
• Autoencoders: هذه هي neural networks مدربة لضغط البيانات وإعادة بناؤها. على عكس PCA، يمكن لـ autoencoders تعلم تعيينات غير خطية معقدة. ومع ذلك، فهي تتطلب قدراً أكبر بكثير من training data والموارد الحسابية للتدريب بفعالية.

مثال بلغة Python: ضغط الميزات#

يوضح المثال التالي كيفية استخدام scikit-learn لاختزال متجهات الميزات ذات الأبعاد العالية. يحاكي هذا التدفق عمل ضغط مخرجات نموذج رؤية قبل تخزينها في vector database أو استخدامها للتجميع.

import numpy as np
from sklearn.decomposition import PCA

# Simulate 100 image embeddings, each with 512 dimensions (features)
embeddings = np.random.rand(100, 512)

# Initialize PCA to reduce the data to 3 principal components
pca = PCA(n_components=3)

# Fit and transform the embeddings to the lower dimension
reduced_data = pca.fit_transform(embeddings)

print(f"Original shape: {embeddings.shape}")  # Output: (100, 512)
print(f"Reduced shape: {reduced_data.shape}")  # Output: (100, 3)

يمكن أن يساعد دمج PCA في التدفقات على Ultralytics Platform في تبسيط model training من خلال تقليل تعقيد المدخلات، مما يؤدي إلى تجارب أسرع وحلول ذكاء اصطناعي أكثر قوة.