Үндсэн бүрэлдэхүүн хэсгийн шинжилгээ: 4 алхам

2025 Зохиолч: John Day | [email protected]. Хамгийн сүүлд өөрчлөгдсөн: 2025-01-23 15:00

Үндсэн бүрэлдэхүүн хэсгүүдийн шинжилгээ нь тэгш өнцөгт хувиргалтыг ашиглан хоорондоо уялдаатай байж болзошгүй хувьсагчдыг шугаман хамааралгүй олонлог болгон хувиргадаг статистик арга юм. Олон хэмжигдэхүүн бүхий өгөгдлийн санг өгсөн энгийн үгээр хэлбэл хэмжээсийн тоог багасгахад тусалдаг тул өгөгдлийг уншихад хялбар болгодог.

Алхам 1: Анхны төлөвлөгөө

Би энэ ангид орж ирсэн бөгөөд зургуудыг нийлүүлсэн тохиолдолд нүүрээ таних чадвартай алгоритмыг бичмээр байна гэж найдаж байна. Би нүүр царай танихтай холбоотой ямар ч туршлага, мэдлэггүй байсан бөгөөд ийм зүйлд хүрэх нь хичнээн хэцүү болохыг огт мэдээгүй. Профессор Маллохтой ярилцсаны дараа би эцэст нь хүрэхийн тулд төлөвлөсөн ажлаа бүрэн ойлгохын тулд маш их зүйлийг сурах ёстойгоо ойлгосон.

Бага зэрэг судалсны эцэст би шугаман алгебр болон машин сургалтын зарим үндсийг сурах шаардлагатай бүх зүйлээс илүү ихийг шийдэж, энэ ангийн зорилго болох PCA (үндсэн бүрэлдэхүүн хэсгүүдийн шинжилгээ) дээр суурьшсан.

Алхам 2: Судалгаа

Эхний алхам бол Номын санд зочилж, машин сурах, ялангуяа зураг боловсруулах талаар танилцуулсан номыг олох явдал байв. Энэ нь миний бодож байснаас хамаагүй хэцүү болж, эцэст нь би үүнээс юу ч аваагүй. Дараа нь би Vision лабораторид ажилладаг найзаасаа шугаман алгебр, тодруулбал өөрийн вектор, өөрийн үнэ цэнийг судлахыг хүссэн юм. Би хоёрдугаар курст сурч байсан ангиас шугаман алгебрийн талаар туршлагатай байсан боловч өөрийн гэсэн векторууд эсвэл өөрийн үнэт зүйлс нь зурагтай ажиллахад ямар ашигтай болохыг ойлгодоггүй байсан. Илүү их судалж байхдаа зургууд нь асар том өгөгдлийн багцаас өөр зүйл биш бөгөөд үүнийг матриц гэж үзэх боломжтой гэдгийг ойлгосон бөгөөд яагаад өөрийн векторууд миний хийж буй зүйлд хамааралтай болох нь надад арай ойлгомжтой болсон юм. Энэ үед би төсөлдөө python ашиглах гэж байгаа болохоор python ашиглан зураг уншиж сурах ёстой гэж шийдсэн. Эхэндээ би зургийг уншихдаа CV2.imread ашиглан эхэлсэн боловч энэ нь үнэхээр удаан байсан тул илүү хурдан болохоор glob болон PIL.image.open -ийг ашиглахаар шийдсэн юм. Цаасан дээрх энэ үйл явц нь харьцангуй их цаг хугацаа шаарддаггүй мэт санагдаж байгаа боловч өөр өөр номын санг PyCharm (IDE) дээр хэрхэн суулгаж, импортлох талаар сурч, номын сан тус бүрийн баримт бичгийг онлайнаар унших шаардлагатай болсон. Үүнийг хийх явцдаа би командын мөрөнд pip install -ийн мэдэгдлийг хэрхэн ашиглах талаар сурсан.

Үүний дараа дараагийн алхам бол зураг боловсруулахад яг юу хийхийг хүсч, олж мэдэхийг хүсч байсан бөгөөд эхлээд загвар тааруулах ажлыг хийхээр төлөвлөж байсан боловч үүнийг судалж байхдаа би PCA -ийн талаар олж мэдээд илүү сонирхолтой санагдсан тул би шийдсэн. PCA -ийн оронд очно уу. Эхний нэр томъёо нь K-NN (K- хамгийн ойрын хөрш) алгоритм байв. Энэ бол миний машин сурах алгоритмтай анх удаа танилцсан явдал юм. Сургалт, туршилтын өгөгдөл, алгоритмын "сургалт" гэж юу болохыг олж мэдсэн. K-NN алгоритмыг ойлгох нь бас хэцүү байсан боловч энэ нь хэрхэн ажилладагийг ойлгоход үнэхээр сэтгэл хангалуун байв. Би одоогоор K-NN кодыг ажиллуулахаар ажиллаж байна, би дуусахад тун ойрхон байна.

Алхам 3: тулгарч буй бэрхшээл, сургамж

Эхний том бэрхшээл бол төслийн хамрах хүрээ байв. Энэ нь физик гэхээсээ илүү судалгаанд чиглэсэн зүйл байв. Долоо хоног өнгөрөх тусам үе тэнгийнхнийхээ хийж буй ахиц дэвшилийг хараад, би хангалтгүй ажиллаж байгаа юм шиг, эсвэл хангалттай хурдан ахиц дэвшил гаргаагүй, заримдаа урам зоригийг минь бууруулж байгаа юм шиг санагдах болно. Профессор Маллохтой ярилцаж, надад үнэхээр шинэлэг зүйлийг сурч байгаа гэж өөрийгөө тайвшруулснаар намайг үргэлжлүүлэхэд тусалсан юм. Өөр нэг асуудал бол онолын зүйлийг мэдэж, түүнийг хэрэгжүүлэх нь хоёр өөр зүйл юм. Хэдийгээр би юу хийх ёстойгоо мэдэж байсан ч үүнийг питон дээр кодлох нь огт өөр түүх байв. Энд зөвхөн баримт бичгийг онлайнаар уншиж, энэ талаар мэддэг найз нөхдөөсөө асуух нь үйл ажиллагааны төлөвлөгөө гаргахад маш их тусалсан юм.

M5 дээр ном, баримт бичгийн том номын сантай болсноор төсөл дээр ажиллаж буй хүмүүст тусалж чадна гэж би хувьдаа боддог. Түүнчлэн оюутнуудын хийж буй төслүүдийн бодит цагийн дижитал бүртгэлтэй байх нь бусад оюутнууд, ажилтнууд үзэж сонирхоход нь оролцох боломжийг олгодог бол M5-ийн хувьд сайн санаа юм.

Төсөл дуусахад би маш богино хугацаанд маш их зүйлийг сурсан. Би машин сурах талаар маш сайн мэдлэг олж авсан бөгөөд үүнд хамрагдахын тулд эхний алхмуудыг хийсэн мэт санагдаж байна. Би компьютерийн алсын хараанд дуртай гэдгээ ойлгосон бөгөөд ирээдүйд ч гэсэн үүнийг хэрэгжүүлэхийг хүсч магадгүй юм. Хамгийн гол нь би PCA гэж юу болохыг, яагаад ийм чухал болохыг, үүнийг хэрхэн ашиглах талаар олж мэдсэн.

Алхам 4: Дараагийн алхамууд

Миний хувьд энэ бол илүү өргөн цар хүрээтэй, өнөөгийн ертөнцөд маш чухал зүйл болох машин сурах зүйлийн гадаргууг маажих явдал байв. Би ойрын ирээдүйд машин сурахтай холбоотой сургалтанд хамрагдахаар төлөвлөж байна. Энэ төсөл бүхэлдээ эндээс эхэлсэн тул би нүүр царайгаа таних хүртэл замаа барихаар төлөвлөж байна. Надад аюулгүй байдлыг хангахын тулд хосолсон шинж чанаруудыг ашигладаг (тэдгээрийн нэг нь тухайн хүний нүүр царай) аюулгүй байдлын системийн талаархи санаа бас байдаг бөгөөд энэ нь ирээдүйд аливаа зүйлийн талаар илүү өргөн ойлголттой болоход би үүнийг хийхийг хүсч байна..

Над шиг машин сурах, зураг боловсруулах сонирхолтой боловч урьд өмнө нь туршлагагүй хүн бүрийн хувьд эхлээд шугаман алгебрийг статистик (ялангуяа тархалт) -тай хамт сурч, ойлгохыг зөвлөж байна. Хоёрдугаарт, Кристофер М. Бишопын Хээ таних, машин сурах талаар уншихыг санал болгож байна. Энэ ном нь миний олж авсан зүйлийнхээ үндсийг ойлгоход тусалсан бөгөөд маш сайн бүтэцтэй болсон.