Análisis de Componentes Principales
-Richard Chacón Hurtado, 2140359 ,Juan Sebastián Estupiñán Arenas, 2140214,Jersson David Castro
Galvis, 2154545
I. Marco teórico
El análisis de componentes principales es una metodología
desarrollada en 1901 por Karl Pearson, la cual permite obtener
información acerca de la interdependencia entre las variables
analizadas, es decir, permite hallar asociaciones entre las variables
disponibles y reducir el número de estas para facilitar su análisis.
El PCA busca la estructuración de un conjunto de datos
multivariado mediante la reducción del número de variables
originales a un conjunto más pequeño de estas, las cuales son
combinaciones lineales de aquellas que recogen la mayor parte de
la variabilidad del conjunto inicial de variables.
Una de las principales ventajas de esta metodología es que no parte
de ninguna distribución de probabilidad para su análisis y dentro
de los objetivos del análisis están:
- Generar nuevas variables que expresen información acerca del
conjunto de datos
- Reducir la dimensión del espacio en el que están contenidos los
datos.
-Eliminar (si es posible) las variables que aportan poca
información al estudio del problema.
-Facilitar la interpretación de la información contenida en los
datos
-Determinación de unos pocos factores (componentes principales)
que retengan la mayor variabilidad contenida en los datos.
Las nuevas variables generadas cumplen con las características de
independencia (bajo el supuesto de normalidad) y no correlación.
La técnica del análisis de componentes principales consiste en
analizar un conjunto de datos de entrada, el cual contiene
diferentes observaciones descritas por múltiples variables
independientes o dependientes y cuyas relaciones entre sí no
tienen por qué conocerse. Como ya se ha dicho anteriormente el
objetivo principal es reducir la dimensión del conjunto de datos de
entrada intentado mantener la mayor cantidad de información
posible para poder analizarlos de forma más fácil y que en etapas
posteriores, como clasificadores o regresores, se puedan
simplificar los criterios de decisión.
El PCA realiza en primer lugar una transformación lineal de los
datos en un nuevo sistema de coordenadas ortogonales. Los
vectores de proyección de los datos en el nuevo espacio son las
direcciones de máxima varianza de los datos de entrada. Mientras
que las nuevas variables resultantes de proyectar los datos de
entrada sobre los vectores de proyección se llamarán componentes
principales (“Principal Componente”, PC). En este nuevo sistema
de coordenadas las componentes principales están ordenadas
automáticamente según la varianza de la proyección de datos, es
decir, según la cantidad de información que contengan.
Finalmente, se puede reducir la dimensión de los datos resultantes
en el nuevo espacio eliminando las componentes principales que
presenten una menor varianza, es decir, que aporten menos
información. La base matemática que se utiliza para desarrollar el
PCA es el álgebra lineal. Veremos como el PCA está íntimamente
relacionado con la técnica algebraica de la descomposición en
valores singulares (“Singular Value Decomposition”, SVD).
Además, la compresión de cómo están relacionados el PCA y la
SVD ayudará al mejor entendimiento de las posibles aplicaciones
de este método.
El PCA tiene dos propiedades muy importantes que hacen de este
método de reducción de la dimensionalidad tan popular :
1. Las componentes principales obtienen secuencialmente la
máxima variabilidad o varianza de X, por lo que se garantiza la
mínima pérdida de información (en el sentido de error de
reconstrucción).
2. Las componentes principales obtenidas son ortogonales entre
sí, facilitando su posterior procesado, ya que pueden tratarse
independientemente.
Los datos de entrada estarán dispuestos en una matriz X ∊ Ɍm x
n, donde m es el número de variables de entrada y n es el número
de observaciones. Mientras que los datos proyectados estarán en
una matriz Y ∊ Ɍp x n, con p variables salida y n observaciones,
donde el número de variables de salida es menor que el de entrada
(p<m).
Cada vector Xi = [x1, x2, …, xm]^(T 1) contendrá todas las
variables de entrada asociadas a una observación i e Yi = [y1, y2,
…, yp] ^T contendrá las variables de salida.
La tarea del PCA es encontrar una matriz que transforme
linealmente el espacio de los datos de entrada en X en otra matriz
Y con un número menor de variables. Este proceso se realiza
mediante una combinación lineal de las variables originales de
modo que se proyecten sobre las direcciones de máxima varianza
de los datos, y se conserve así la máxima cantidad de información.
Estas direcciones de máxima varianza estarán definidas por los p
vectores de proyección, Uk, que se encontrarán en las columnas
de U.
 II. EJERCICIO EN MATLAB

Teniendo la imagen inicial, y queriendo comprobar el método de

PCA, descomponiendo la imagen inicial, hallando los
componentes principales, en dos imágenes separando los colores

Para ello tuvimos que convertir la imagen inicial a una matriz, con
el comando imread, como vemos en la siguiente imagen.

Análisis del color verde.

Imagen Original.

Para el método de PCA, necesitamos encontrar la matriz de

covarianza y luego encontrar los eigenvalores o valores propios y
vectores propios de esa matriz , que hallamos con la función que
definimos Valores, logrando que la mayor variabilidad de las
entradas quede contenida en los primeros eigenvectores, a este Análisis Color Magenta.
conjunto de vectores se les llama vectores principales.

Descomponemos la imagen, dados sus componentes principales

eliminando así las variables que aportan poca información

Teniendo así una transformación de nuestras variables originales,

pero con menos variables y mayor facilidad a la hora de interpretar
los datos, podemos ver que la matriz resultante, al separarla por
color, obtenemos la imagen inicial pero seccionada en sus dos
colores.

A continuación, veremos la descomposición de la imagen en sus

componentes para este caso serán los componentes de color
magenta y los de color verde.

Es un código y problema particular y funciona para la imagen

especificada al no usar un clasificador como el bayesiano.
Descomposición por colores.
 III. CONCLUSIONES

• El análisis de componentes principales es una

metodología muy poderosa que permite además de
reducir dimensiones, generar índices que aplicados en
áreas como las ciencias sociales son muy útiles.
• PCA como método de extracción de características
facilita los cálculos y operaciones al eliminar variables
que no aportan nada al resultado que se está queriendo
encontrar.
• Al usar PCA para la descomposición de imágenes en
colores, comprobamos que el análisis de componentes
principales nos permite reducir la dimensión de la imagen
para así facilitarnos los cálculos a la hora de separarlas
por color.