ยินดีต้อนรับสู่การวิเคราะห์องค์ประกอบหลัก (Principal Component Analysis หรือ PCA)!

สวัสดีครับว่าที่นักคณิตศาสตร์ประกันภัยทุกคน! วันนี้เราจะมาทำความรู้จักกับหนึ่งในเครื่องมือที่ทรงพลังที่สุดในชุดเครื่องมือ การเรียนรู้แบบไม่มีผู้สอน (Unsupervised Learning) นั่นก็คือ Principal Component Analysis หรือที่เรียกสั้นๆ ว่า PCA ครับ

ชื่ออาจจะฟังดูน่ากลัว แต่อย่าเพิ่งตกใจไปครับ! ถ้าคุณเคยสรุปหนังสือ 500 หน้าให้เหลือเพียงบทสรุป 1 หน้ากระดาษ นั่นแหละครับคือสิ่งที่คุณได้ทำ "PCA ทางความคิด" ไปเรียบร้อยแล้ว ในโลกของข้อมูล เรามักจะมีตัวแปรจำนวนมาก (หรือหลายร้อยตัว) PCA จะเข้ามาช่วยเราค้นหา "ซูเปอร์ตัวแปร" เพียงไม่กี่ตัวที่ยังคงใจความสำคัญของข้อมูลเอาไว้โดยตัดสิ่งรบกวน (Noise) ออกไป เรามาค่อยๆ แกะรอยไปทีละขั้นตอนกันครับ!

1. PCA คืออะไรกันแน่?

PCA คือเทคนิคที่ใช้สำหรับการ ลดมิติของข้อมูล (Dimension Reduction) ในชุดข้อมูลส่วนใหญ่ ตัวแปรมักจะมีความสัมพันธ์กันเอง (Correlated) ตัวอย่างเช่น ในชุดข้อมูลราคาบ้าน "พื้นที่ตารางฟุต" กับ "จำนวนห้อง" มักจะเปลี่ยนแปลงไปในทิศทางเดียวกัน แทนที่เราจะมองทั้งสองตัวแยกกัน PCA จะหาวิธีรวมข้อมูลเหล่านี้ให้เหลือเพียงคะแนนเดียว

เป้าหมาย: เพื่อค้นหาตัวแทนของชุดข้อมูลในมิติที่ต่ำลง ซึ่งยังคงเก็บรักษา ความแปรปรวน (Variation) เอาไว้ให้ได้มากที่สุด

การเปรียบเทียบ: ลองนึกภาพว่าคุณกำลังจะถ่ายรูป 2D ของรูปปั้น 3D คุณย่อมอยากยืนในมุมที่เห็นรายละเอียดและความ "ลึก" ของรูปปั้นได้ชัดเจนที่สุด PCA ก็คือการค้นหามุมที่สมบูรณ์แบบนั้นให้กับข้อมูลของคุณนั่นเอง

ทบทวนสั้นๆ: PCA จัดเป็นการเรียนรู้แบบ ไม่มีผู้สอน (Unsupervised) เพราะไม่มีตัวแปรเป้าหมายหรือตัวแปรตอบสนอง (\(y\)) เราจะพิจารณาเพียงตัวแปรต้นหรือตัวแปรอิสระ (\(x_1, x_2, \dots, x_p\)) เท่านั้นครับ

2. องค์ประกอบหลักตัวที่หนึ่ง (\(PC_1\))

องค์ประกอบหลักตัวที่หนึ่ง (First Principal Component) คือการรวมเชิงเส้น (Linear Combination) ของตัวแปรที่คุณมี ซึ่งให้ค่า ความแปรปรวน (Variance) สูงที่สุด

ในเชิงคณิตศาสตร์ สำหรับชุดตัวแปร \(x_1, x_2, \dots, x_p\) คะแนนขององค์ประกอบหลักตัวแรกสำหรับการสังเกตการณ์ที่ \(i\) คือ:

\( Z_{i1} = \phi_{11}x_{i1} + \phi_{21}x_{i2} + \dots + \phi_{p1}x_{ip} \)

คำศัพท์สำคัญที่ต้องจำ:

Loadings (\(\phi\)): คือค่าน้ำหนัก (Weights) เช่น \(\phi_{11}\) คือ Loading ของตัวแปรตัวแรกในองค์ประกอบหลักตัวแรก ซึ่งจะบอกเราว่าตัวแปรนั้นมี "น้ำหนัก" มากน้อยเพียงใดในองค์ประกอบใหม่นี้

Scores (\(Z\)): คือค่าจริงของข้อมูลที่ถูกแปลงไปอยู่ใน "พื้นที่ PCA" ใหม่เรียบร้อยแล้ว

ข้อกำหนด (Constraints):

เพื่อให้คณิตศาสตร์ทำงานได้ เรามีกฎว่า: ผลรวมของกำลังสองของ Loadings ทั้งหมดต้องเท่ากับ 1
\( \sum_{j=1}^{p} \phi_{j1}^2 = 1 \)

ทำไมต้องมีกฎนี้? ถ้าไม่มีกฎนี้ เราก็สามารถทำให้ค่าความแปรปรวนสูงขึ้นเรื่อยๆ ได้เพียงแค่เลือกน้ำหนักที่สูงเกินจริง! ข้อกำหนดนี้จึงช่วยให้ทุกอย่างเป็นมาตรฐานเดียวกันครับ

ประเด็นสำคัญ: องค์ประกอบหลักตัวแรกคือ "ทิศทาง" ในข้อมูลที่ทำให้ข้อมูลมีการกระจายตัว (Variability) มากที่สุด

3. การคำนวณองค์ประกอบตัวถัดไป

หลังจากที่เราพบองค์ประกอบหลักตัวแรก (\(PC_1\)) แล้ว เราก็สามารถหาตัวที่สอง (\(PC_2\)), ตัวที่สาม และตัวถัดๆ ไปได้

กฎของความเป็นอิสระต่อกัน (Orthogonality): องค์ประกอบหลักตัวที่สอง (\(PC_2\)) จะต้อง ไม่มีความสัมพันธ์ (Uncorrelated) กับ \(PC_1\) ในเชิงเรขาคณิต หมายความว่าทิศทางของ \(PC_2\) จะต้อง ตั้งฉาก (Orthogonal) กับ \(PC_1\)

รู้หรือไม่? คุณสามารถมีองค์ประกอบหลักได้สูงสุดเพียง \(min(n-1, p)\) ตัวเท่านั้น โดยที่ \(n\) คือจำนวนการสังเกตการณ์ และ \(p\) คือจำนวนตัวแปรครับ

ตรรกะการคำนวณทีละขั้นตอน:
1. หาแนวทิศทาง (\(PC_1\)) ที่อธิบายความแปรปรวนได้มากที่สุด
2. หาแนวทิศทางถัดไป (\(PC_2\)) ที่อธิบายความแปรปรวน ที่เหลืออยู่ ได้มากที่สุด โดยต้องตั้งฉากกับตัวแรก
3. ทำซ้ำจนกว่าจะครอบคลุมความแปรปรวนทั้งหมดหรือครบขีดจำกัดของจำนวนองค์ประกอบ

4. ความสำคัญของการปรับขนาด (Scaling)

อย่าข้ามขั้นตอนนี้เด็ดขาด! นี่เป็นหัวข้อที่ออกสอบบ่อยมาก ก่อนที่คุณจะคำนวณ PCA คุณเกือบจะต้อง ปรับขนาด (Scale) ตัวแปรให้มีค่าเฉลี่ยเป็นศูนย์และมีส่วนเบี่ยงเบนมาตรฐานเป็นหนึ่งเสมอ

ทำไมต้องทำ? PCA ไวต่อหน่วยวัดมาก ลองจินตนาการถึงชุดข้อมูลที่มี "รายได้ต่อปี" (หน่วยเป็นดอลลาร์) และ "อายุ" (หน่วยเป็นปี) รายได้จะมีตัวเลขที่ใหญ่กว่ามากและมีความแปรปรวนสูงกว่าเพียงเพราะหน่วยที่ต่างกัน ถ้าไม่ปรับขนาด PCA จะเข้าใจผิดว่ารายได้คือสิ่งที่สำคัญที่สุดเพียงเพราะตัวเลขมันมีค่ามากกว่านั่นเอง

คำแนะนำสั้นๆ: หากตัวแปรเหล่านั้นถูกวัดด้วยหน่วยเดียวกัน (เช่น คะแนนสอบตั้งแต่ 0-100 ทั้งหมด) อาจไม่จำเป็นต้องปรับขนาด แต่ในการสอบ SRM ส่วนใหญ่ การ ทำมาตรฐาน (Standardizing) คือวิธีที่ปลอดภัยและถูกต้องที่สุดครับ

ข้อผิดพลาดที่ควรระวัง: การลืมปรับข้อมูลให้เป็นศูนย์กลาง (Center the data) โดยการลบค่าเฉลี่ยออก PCA จะมองหาความแปรปรวน รอบค่าเฉลี่ย เท่านั้นครับ

5. สัดส่วนความแปรปรวนที่อธิบายได้ (Proportion of Variance Explained: PVE)

เราควรเก็บองค์ประกอบหลักไว้กี่ตัวดี? คำตอบอยู่ที่ สัดส่วนความแปรปรวนที่อธิบายได้ (PVE) ครับ

เราต้องการทราบว่า: "ข้อมูลทั้งหมดจาก \(p\) ตัวแปรเดิม ถูกเก็บไว้ใน \(m\) องค์ประกอบหลักแรกได้เท่าไร?"

ความแปรปรวนรวมของชุดข้อมูลคือผลรวมความแปรปรวนของตัวแปรแต่ละตัว ค่า PVE สำหรับองค์ประกอบตัวที่ \(m\) คือ:
\( PVE_m = \frac{\text{ความแปรปรวนที่อธิบายได้โดย } PC_m}{\text{ความแปรปรวนรวม}} \)

Scree Plot

เรามักจะแสดงค่า PVE โดยใช้ Scree Plot ซึ่งเป็นกราฟง่ายๆ ที่แกน X คือลำดับขององค์ประกอบ และแกน Y คือค่า PVE
วิธี "ข้อศอก" (Elbow Method): ให้มองหาจุดที่ค่า PVE ตกลงอย่างรวดเร็วและกราฟเริ่มแบนราบ (จุดหักศอก) จุดนี้มักจะเป็นจำนวนองค์ประกอบที่เหมาะสมที่สุดในการเลือกเก็บไว้ครับ

ประเด็นสำคัญ: ค่า PVE สะสม (Cumulative PVE) จะบอกเราว่าเราได้ "ข้อมูลรวม" กลับคืนมาเท่าไร ถ้าองค์ประกอบ 3 ตัวแรกสามารถอธิบายความแปรปรวนได้ 95% เราก็อาจจะไม่จำเป็นต้องสนใจตัวแปรที่เหลืออีก 20 ตัวแล้ว!

6. สรุปและเคล็ดลับสุดท้าย

PCA เปรียบเสมือนไฟฉายกำลังสูงที่ส่องให้เห็นรูปแบบที่สำคัญที่สุดในห้องที่วุ่นวายและเต็มไปด้วยตัวแปรมากมาย

ตัวช่วยจำ (3 S ของ PCA):
1. Scale: ปรับขนาดข้อมูลก่อนเสมอ!
2. Scores: คือค่าของข้อมูลชุดใหม่หลังการแปลง
3. Scree plots: ช่วยคุณตัดสินใจว่าควรหยุดที่องค์ประกอบตัวไหน

สรุปสั้นๆ สำหรับทบทวน:
- PCA เป็นแบบมีหรือไม่มีผู้สอน? ไม่มีผู้สอน (Unsupervised)
- Loadings คืออะไร? คือน้ำหนักของตัวแปรเดิมในแต่ละองค์ประกอบ
- ความสัมพันธ์ระหว่าง PC1 และ PC2 คืออะไร? ไม่มีความสัมพันธ์กัน (ตั้งฉาก/Orthogonal)
- ทำไมต้องปรับขนาด? เพื่อป้องกันไม่ให้ตัวแปรที่มีหน่วยใหญ่ครอบงำการวิเคราะห์

ไม่ต้องกังวลถ้ารู้สึกว่าคณิตศาสตร์ยากในตอนแรก! สำหรับการสอบ SRM ให้เน้นไปที่ แนวคิด (Concepts) เป็นหลัก: ทำไมเราถึงใช้ PCA (เพื่อลดมิติข้อมูล), ความสำคัญของการปรับขนาด, และวิธีการตีความ PVE คุณทำได้แน่นอนครับ!