আমি মেশিন লার্নিংয়ের ক্ষেত্রে নতুন, তবে সিগন্যাল প্রসেসিংয়ে আমার অংশটি করেছি। যদি এই প্রশ্নটি ভুলভাবে লেখা হয়েছে তবে দয়া করে আমাকে জানান।
আমার কাছে দ্বিমাত্রিক ডেটা রয়েছে যা কমপক্ষে তিনটি ভেরিয়েবল দ্বারা সংজ্ঞায়িত করা হয়েছে, একটি অত্যন্ত অ-রৈখিক মডেল উপায় যেমন সিমুলেট করা খুব জটিল।
পিসিএ এবং আইসিএ (পাইথন লাইব্রেরি সাইকিট-শিখুন) এর মতো পদ্ধতি ব্যবহার করে ডেটা থেকে দুটি প্রধান উপাদান বের করার ক্ষেত্রে আমার বিভিন্ন স্তরের সাফল্য ছিল, তবে মনে হয় এই পদ্ধতিটি (বা কমপক্ষে, পদ্ধতিগুলির এই বাস্তবায়ন) সীমাবদ্ধ ডেটা যেমন মাত্রা আছে হিসাবে অনেক উপাদান আহরণ, উদাহরণস্বরূপ, 2D পয়েন্ট মেঘ থেকে 2 উপাদান।
ডেটা প্লট করার সময়, প্রশিক্ষিত চোখের কাছে এটি স্পষ্ট যে তিনটি পৃথক লিনিয়ার প্রবণতা রয়েছে, তিনটি বর্ণ রেখা নির্দেশাবলী দেখায়।
পিসিএ ব্যবহার করার সময়, প্রধান উপাদানটি বর্ণ রেখাগুলির একটিতে প্রান্তিক হয়, এবং অন্যটি 90 at এ থাকে, যেমনটি প্রত্যাশিত হয়। আইসিএ ব্যবহার করার সময়, প্রথম উপাদানটি নীল রেখার সাথে একত্রিত হয়, এবং দ্বিতীয়টি লাল এবং সবুজ রঙের মাঝে কোথাও থাকে। আমি এমন একটি সরঞ্জাম খুঁজছি যা আমার সংকেতটিতে তিনটি উপাদানই পুনরুত্পাদন করতে পারে।
সম্পাদনা, অতিরিক্ত তথ্য: আমি এখানে একটি বড় ধাপের বিমানের একটি ছোট উপসেটে কাজ করছি। এই ছোট উপসেটটিতে প্রতিটি ইনপুট ভেরিয়েবলগুলি সমতলে একটি রৈখিক পরিবর্তন আনতে পারে তবে এই পরিবর্তনের দিক এবং প্রশস্ততা অ-রৈখিক এবং আমি ঠিক কোথায় বড় বিমানটিতে কাজ করছি তার উপর নির্ভর করে। কিছু জায়গায়, দুটি ভেরিয়েবল হ্রাস পেতে পারে: তারা একই দিকে পরিবর্তনের উত্পাদন করে। উদাহরণস্বরূপ, বলুন যে মডেলটি এক্স, ওয়াই এবং জেড এর উপর নির্ভর করে। ভেরিয়েবল এক্সের পরিবর্তন নীল রেখার সাথে একটি প্রকরণ আনবে; Y সবুজ রেখা বরাবর একটি পার্থক্যের কারণ; জেড, লাল একটি বরাবর।