ML-এ PCA-এর ব্যবহার

PCA in Machine Learning

কোথায় কাজে আসে, কোথায় সাবধান

≈ ৯ মিনিট

PCA শুধু একটি গাণিতিক কৌশল নয় — বাস্তব ML pipeline-এ একটি প্রধান হাতিয়ার। কিন্তু সব জায়গায় ব্যবহার করা ঠিক নয়। কোথায় কাজে আসে, কোথায় ফাঁদ — সেটাই এখানে।

যেখানে দারুণ কাজ করে

**Visualization** — উচ্চ-মাত্রার ডেটাকে 2D/3D-তে দেখা।
**Noise reduction** — ছোট λ-যুক্ত component বাদ দিলে noise কমে।
**Preprocessing** — KNN, SVM ইত্যাদিতে গতি বৃদ্ধি।
**Eigenfaces** — মুখ চেনার ক্লাসিক উদাহরণ।
**Multicollinearity** — correlated ফিচার থেকে orthogonal PC।

সীমাবদ্ধতা ও ফাঁদ

Linear — non-linear manifold ধরতে পারে না (t-SNE, UMAP লাগে)।
Variance ≠ ক্লাস আলাদা করার ক্ষমতা — বড় PC-ই সবচেয়ে "কাজের" নাও হতে পারে, এটি label-aware নয়।
Scaling-sensitive — standardize না করলে বড় স্কেলের ফিচার dominate করে।
Interpretability হারায় — PC হলো ফিচারগুলোর mixture।

Eigenfaces — ক্লাসিক উদাহরণ

প্রতিটি মুখের ছবি = একটি vector।
PCA → প্রথম কয়েকটি PC = "eigenfaces" (ভৌতিক মুখ)।
নতুন মুখ = top-k eigenfaces-এর weighted যোগ।
Recognition: weight vector-এ nearest neighbor।

Modern AI-তে PCA

Embedding visualization (word2vec, BERT)।
Whitening — neural net training-এর preprocessing।
PCA-init kmeans বা GMM।
Diffusion ও generative model বোঝার tool।

মূল ভাবনা

1.PCA — visualization, denoising, preprocessing।
2.Linear ও unsupervised — সীমাবদ্ধতা মনে রাখো।
3.Standardize আগে, PCA পরে।
4.Classification-এ LDA বিকল্প হতে পারে।

নিজেকে যাচাই করো

প্রশ্নে ক্লিক করে উত্তর দেখো — তবে আগে নিজে চেষ্টা করো।

প্রশ্ন 1।PCA non-linear manifold-এ কেন ভালো নয়?

উত্তর:এটি শুধু linear projection করে।

প্রশ্ন 2।Classification-এ বিকল্প কী?

উত্তর:LDA — label-aware projection।

প্রশ্ন 3।Eigenface কী?

উত্তর:মুখের ডেটাসেটের principal component।

ইন্টারেক্টিভ কুইজ

মূল ভাবনার উপর দ্রুত যাচাই — সঠিক বিকল্পটি বাছাই করো।

প্রশ্ন 1।“ML-এ PCA-এর ব্যবহার” অধ্যায়ের মূল ভাবনাগুলোর মধ্যে নিচের কোনটি অন্তর্ভুক্ত?

প্রশ্ন 2।“ML-এ PCA-এর ব্যবহার” অধ্যায়ের মূল ভাবনাগুলোর মধ্যে নিচের কোনটি অন্তর্ভুক্ত?

প্রশ্ন 3।“ML-এ PCA-এর ব্যবহার” অধ্যায়ের মূল ভাবনাগুলোর মধ্যে নিচের কোনটি অন্তর্ভুক্ত?

প্রশ্ন 4।“ML-এ PCA-এর ব্যবহার” অধ্যায়ের মূল ভাবনাগুলোর মধ্যে নিচের কোনটি অন্তর্ভুক্ত?

উত্তর দেওয়া হয়েছে: 0/4