Algoritmo das Projeções Sucessivas Para Seleção de ... - PPGQ
Algoritmo das Projeções Sucessivas Para Seleção de ... - PPGQ
Algoritmo das Projeções Sucessivas Para Seleção de ... - PPGQ
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
Capítulo II. Fundamentação Teórica<br />
Em termos matemáticos, A PCA realiza uma <strong>de</strong>composição <strong>de</strong> uma matriz<br />
<strong>de</strong> dados originais ou pré-processados, X (m × n), em dois conjuntos: escores (t) e<br />
pesos (l) que representam, respectivamente, as coor<strong>de</strong>na<strong>das</strong> <strong>das</strong> amostras e a<br />
contribuição <strong>de</strong> cada variável ao longo da PC. Os valores dos pesos, que po<strong>de</strong>m<br />
variar entre -1 a 1, correspon<strong>de</strong>m ao co-seno do ângulo entre a PC e os eixos <strong>das</strong><br />
variáveis originais. Quanto maior for este valor em módulo, maior importância terá a<br />
variável na PC [5] .<br />
O algoritmo NIPALS é o adotado pelo programa Unscrambler [80] para realizar<br />
o cálculo da PCA. <strong>Para</strong> isso, consi<strong>de</strong>ra-se uma matriz pré-processada X <strong>de</strong><br />
dimensões (N × J), <strong>de</strong> modo que a j - ésima variável x j esteja associada ao j - ésimo<br />
vetor coluna (x j , j = 1,....,J). O vetor x j que apresentar a maior norma é utilizado<br />
como uma estimativa inicial para t 1 , que são os escores da PC1. Em seguida,<br />
projeta-se X sobre t 1 para estimar o vetor dos pesos (l 1 ) para a PC1. Repete-se este<br />
procedimento até a convergência. De modo a facilitar a compreensão do algoritmo<br />
NIPALS [81] , uma seqüência utilizada para o cálculo <strong>das</strong> PCs é apresentada abaixo:<br />
1. Escolhe-se um vetor x j <strong>de</strong> maior norma como estimativa inicial para t 1 .<br />
t<br />
1<br />
= x j<br />
(2.3)<br />
2. Projeta-se X sobre t 1 para estimar os pesos (l 1 ) para a PC1<br />
I<br />
t<br />
⎡(<br />
t X ⎤<br />
1.<br />
)<br />
= ⎢ t<br />
t t<br />
⎥<br />
⎣(<br />
1.<br />
1)<br />
⎦<br />
t<br />
1<br />
(2.4)<br />
3. Normaliza-se o vetor l 1 para comprimento 1.<br />
I<br />
1<br />
I<br />
1<br />
= (2.5)<br />
t<br />
( I1.<br />
I1)<br />
4. Projeta-se X sobre l 1 para obter uma nova estimativa <strong>de</strong> t 1 (vetor <strong>de</strong> escores para<br />
PC1).<br />
t<br />
1<br />
= X.I 1<br />
(2.6)<br />
5. Estima-se o autovalor (a 1 )<br />
1<br />
t t 1.<br />
t1<br />
a = (2.7)<br />
19