歡迎來到主成分分析（PCA）的世界！

你好！如果你曾面對包含數十個變量的大型數據集而感到不知所措，那麼你來對地方了。在非監督式學習（Unsupervised Learning）的世界裡，主成分分析（Principal Components Analysis, PCA）就像一種超能力，讓你能夠將複雜的數據濃縮成幾個關鍵的「主題」。

在本章中，我們不只是進行計算，更重要的是學會詮釋（interpret）這些計算結果告訴我們關於數據的資訊。讀完這些筆記後，你將能夠解釋什麼是「載荷（loading）」、為什麼標準化（scaling）如此重要，以及如何解讀那些看似複雜的雙標圖（Biplots）。讓我們開始吧！


1. PCA 的「食譜」：理解載荷（Loadings）

想像一下你正在描述一個人的健康狀況。你擁有關於體重、身高、血壓和心率的數據。與其分開查看每個數值，你可能想創造一個單一的「健康指數（Fitness Score）」。這個指數就是一個主成分（Principal Component, PC）。

我們如何建立這個指數？我們使用載荷（Loadings）。

關鍵術語：載荷（\(\phi\)）
載荷告訴我們每個原始變量對特定主成分的貢獻程度。把它們想像成食譜中的「配料」。如果一個變量的載荷很高（接近 1 或 -1），它就是該主成分中非常重要的一部分。如果接近 0，則表示該變量對這個主成分影響不大。

載荷向量（Loading Vector）：
對於第一個主成分（PC1），載荷向量表示為：
\( \phi_{1} = (\phi_{11}, \phi_{21}, ..., \phi_{p1}) \)

重要限制：
為了公平起見，單一主成分的所有載荷平方和必須等於 1：
\( \sum_{j=1}^{p} \phi_{j1}^2 = 1 \)
這確保了演算法不會僅僅為了「製造」高變異數而將載荷無限放大。

重點總結：載荷告訴我們每個變量在構建主成分時的方向與重要性。


2. 「新的座標」：理解得分（Scores）

一旦我們有了「食譜」（載荷），我們將其應用到實際數據點上。結果就是得分（Score）。

關鍵術語：主成分得分（Principal Component Scores, \(z\)）
得分是特定觀測值在特定主成分上的數值。如果 PC1 代表「整體體型」，那麼大象的得分會非常高，而老鼠的得分則會非常低。

公式：
對於觀測值 \(i\)，第一個主成分的得分為：
\( z_{i1} = \phi_{11}x_{i1} + \phi_{21}x_{i2} + ... + \phi_{p1}x_{ip} \)

如果這看起來有點難別擔心！ 只要記住：載荷定義了主成分，而得分則是將個別數據點轉換成該主成分的「語言」。


3. 為什麼標準化（Scaling）是必要步驟

這是考試中非常熱門的主題！在進行 PCA 之前，我們幾乎總是要對變量進行標準化（scale），使其平均數為 0，標準差為 1。

為什麼？
PCA 非常看重變異數（variance）。如果一個變量以「日圓」（數千）計量，而另一個以「百分比」（0 到 1）計量，僅因為數字較大，日圓變量的變異數就會大得多。PCA 會誤以為日圓變量是世界上最重要的東西，即便事實並非如此！

應避免的常見錯誤：
除非所有變量原本就已經在相同的單位下（例如全部都是公分），否則千萬不要跳過標準化。如果單位不同，一定要標準化！

快速回顧：
- 未標準化：具有大單位的變量會主導結果。
- 標準化：每個變量都能獲得「公平的發言權」。


4. PCA 可視化：雙標圖（Biplot）

雙標圖（Biplot）是一種同時顯示得分（Scores）和載荷（Loadings）的特殊圖表。這就像是買一送一的超值組合！

如何解讀：
1. 點（Dots）：代表個別觀測值（得分）。距離接近的點表示彼此相似。
2. 箭頭（Vectors）：代表原始變量（載荷）。
3. 方向：如果兩個箭頭指向相同方向，表示這些變量呈現正相關；如果指向相反方向，則呈現負相關。
4. 長度：較長的箭頭表示該變量對圖中顯示的主成分有更強的影響力。

你知道嗎？ 雙標圖的座標軸通常是 PC1（x 軸）和 PC2（y 軸）。PC1 永遠比 PC2 捕捉到更多的資訊。


5. 解釋變異比例（PVE）

既然 PCA 的核心目的是在保留盡可能多資訊的前提下壓縮數據，我們需要一種方法來衡量保留了多少資訊。這就是 PVE（Proportion of Variance Explained）。

總變異數（Total Variance）：這是所有個別變量變異數的總和（如果我們進行了標準化，總變異數通常等於變量的個數 \(p\)）。
第 \(m\) 個主成分的 PVE：
\( PVE_m = \frac{Variance \, explained \, by \, PC_m}{Total \, Variance} \)

碎石圖（Scree Plot）：
這是一個顯示每個主成分 PVE 的簡易條形圖或折線圖。通常它看起來像一個滑梯：左側高，隨著向右延伸而下降。
- 「肘部」法則（Elbow Method）：為了決定保留多少主成分，尋找下降趨勢變平緩的那個點（即「肘部」）。這是選擇主成分個數的常用經驗法則。

記憶口訣：將 PVE 想像成「獲得的能量值（Power Value Earned）」。你希望用最少的主成分獲得最多的「能量」（變異數）。


6. 總結與最後建議

重點總結：
- PC1 是數據變化最劇烈的方向。
- 載荷定義方向；得分則是投影後的數據點。
- 標準化對於確保單位不會干擾結果至關重要。
- 碎石圖透過「肘部」幫助我們選擇主成分的個數。
- PCA 是一種非監督式技術——沒有「y」變量，也沒有我們試圖預測的「正確答案」。

備考小撇步：如果看到關於 PCA 詮釋的題目，首先檢查變量是否經過標準化。接著，觀察雙標圖中的箭頭，看看哪些變量會「一起移動」。如果 PC1 解釋了 70% 的變異，而 PC2 解釋了 20%，那麼你僅用兩個主成分就捕捉到了 90% 的資訊！

繼續努力練習——你做得很好！PCA 是那種在看過幾個例子後，就會突然「開竅」的課題。