See discussions, stats, and author profiles for this publication at: https://www.researchgate.

net/publication/350802071

Métodos matemáticos para aplicación de Análisis de Componentes Principales

en Machine Learning

Preprint · April 2021

DOI: 10.13140/RG.2.2.33244.92801

CITATIONS READS
0 949

4 authors:

Rachit Vargas Lopez Paola Wong Ramírez

Lead University, Costa Rica Lead University, Costa Rica
3 PUBLICATIONS   0 CITATIONS    3 PUBLICATIONS   0 CITATIONS   

SEE PROFILE SEE PROFILE

Alejandro Zamora Esquivel William Aguilar

Lead University Lead University
5 PUBLICATIONS   0 CITATIONS    3 PUBLICATIONS   0 CITATIONS   

SEE PROFILE SEE PROFILE

All content following this page was uploaded by Alejandro Zamora Esquivel on 11 April 2021.

The user has requested enhancement of the downloaded file.

Métodos matemáticos para aplicación de Análisis de
Componentes Principales en Machine Learning
R ACHIT VARGAS1 , PAOLA W ONG2 , A LEJANDRO Z AMORA3 , AND W ILLIAM AGUILAR4
1 Rachit Vargas, Científico de datos y experto en Machine Learning.
2 Paola Wong, Científica de Datos.
3 Justin Alejandro Zamora Esquivel, Científico de Datos
4 William Aguilar, Ingeniero en Software.

Compiled April 11, 2021

Resumen—Este paper está basado en la técnica de Análisis de Componentes Principales con un enfoque en
Machine Learning, un poco de la historia sobre el mismo y además, decidimos focalizar la investigación en el
aprendizaje no supervisado. Dentro de la investigación podrán encontrar un ACP, en el cual explicamos la uti-
lización de los vectores y valores propios de dicha técnica, además de los tópicos matemáticos para desarrollar un
Análisis de Componentes Principales debidamente. Este ACP se realizó con una tabla preestablecida por nuestro
profesor académico PhD. Carlos González Alvarado, en la cual debíamos aplicar la técnica de ACP, mostrar grá-
ficamente los resultados; para esto, utilizamos el lenguaje Python, con el mismo, procedimos a realizar y explicar
el gráfico de sedimentación, el plano de componentes principales y el círculo de correlaciones con lo que contenía
la tabla antes mencionada.

Abreviaturas
ACP Análisis de Complementos Principales
PCA Principal Components Analysis
ML Machine Learning
DL Deep Learning
IA Inteligencia Artificial
1 Introducción
En esta publicación se busca plasmar los diversos tópicos matemáticos
relacionados en su mayoría al álgebra lineal, los cuales dan fundamento
al desarrollo y aplicación del Análisis de Componentes Principales
(ACP) en Machine Learning. Con el objetivo de plasmar, explicar y
ejemplificar estos fundamentos, se recurre principalmente a métodos
prácticos de aplicación del ACP y sus aplicabilidades en análisis de
datos y en general en todo el campo de la ciencia de datos. Por esta
razón en la presente publicación se expondrán principios, conceptos,
fundamentos y tópicos relacionados del Análisis de Componentes
Principales, posteriormente se ejemplificarán los fundamentos
matemáticos en las aplicaciones del álgebra lineal sobre el contexto del
ACP. Finalmente se presenta un Análisis de Componentes Principales
en el lenguaje de programación Python como caso de estudio y
muestreo de resultados. Asimismo, se conjuga la aplicación del ACP
con Machine Learning y Aprendizaje no Supervisado.
Esta publicación plasma la importancia del Análisis de Com-
ponentes Principales en el campo de la ciencia de datos, donde su
principal aporte recae en el problema de la alta dimensionalidad
la cual significa que un conjunto de datos tiene una gran cantidad
de características. El problema principal asociado con la alta
dimensionalidad en el campo del Machine Learning es el sobreajuste
del modelo, que reduce la capacidad de generalizar más allá de los
ejemplos en el conjunto de entrenamiento.
Particularmente esta publicación busca detallar la importancia que
presenta el Análisis de Componentes Principales en es reducir la di-
mensionalidad de un conjunto de datos que cuenta de una gran cantidad
de variables interrelacionadas mientras se retiene la mayor cantidad
posible de la variación presente en el conjunto de datos. El Análisis
de Componentes Principales hace esto posible gracias a que aplica
una transformación a un nuevo conjunto de variables llamados Com-
ponentes Principales (CP), las cuales no están correlacionadas y que
están ordenados de manera que los primeros retienen la mayor parte de
la variación presente en todas las variables originales.
2 Metodología
Los métodos requeridos para elaborar la presente investigación se
presentan en función de las necesidades explicativas, didácticas y
divulgativas. La idea central del Análisis de Componentes Principales
es reducir la dimensionalidad de un conjunto de datos que consta de
una gran cantidad de variables interrelacionadas mientras se retiene
la mayor cantidad posible de la variación presente en el conjunto

1
de datos. Esto se logra transformando a un nuevo conjunto de vector (segundo componente principal) buscará la dirección en donde
variables, los componentes principales, que no están correlaciona- los datos tengan mayor varianza y menor correlación con el primer
dos y que están ordenados de manera que los primeros retienen vector. Este procedimiento formará 2 vectores ortogonales con un
la mayor parte de la variación presente en todas las variables originales. ángulo recto de 90◦ .

La principal ambición de esta publicación es brindar una ex-

plicación resumida de los tópicos matemáticos del Análisis de Fig. 1. Representación algebraica del ACP
Componentes Principales y las aplicaciones de este en el campo del
Machine Learning. Particularmente las explicaciones conceptuales
son acompañadas de las relaciones matemáticas que esta poseen,
para posteriormente ser evidenciadas en una aplicación práctica del
ACP con la ayuda del lenguaje Python. El trayecto definido para la
elaboración de esta publicación se plantea la necesidad de elaborar
una publicación que contenga una introducción, antecedentes y
fundamentos matemáticos, aplicaciones prácticas y resultados, todo lo
anterior extrictamente ligado al Análisis de Componentes Principales.

3 Principios del Análisis de Componentes Princi-

pales
En la industria de la Inteligencia Artificial (IA) el subcampo del
Machine Learning es la familia que emplea diversas técnicas que
buscan poder perfeccionar sistemas expertos a partir de la experiencia Fuente: Wikipedia.
en los datos. Los algoritmos de Machine Learning han tenido un
gran auge en el desarrollo de la automatización y transformación
Podemos decir que el Análisis de Componentes Principales es un
digital en muchas otras industrias como en la medicina y el transporte.
método estadístico que también involucra el álgebra lineal entre sus
Estas técnicas se encuentran clasificadas en aprendizaje supervisado,
procedimientos. Es aquí en donde los términos de valores propios,
aprendizaje no supervisado, aprendizaje por refuerzo y aprendizaje
vectores propios y combinaciones lineales toman gran relevancia
profundo o más conocido como deep learning (famosamente conocido
en este método. Desarrollaremos la explicación matemática detrás
por el uso de redes neuronales). En esta investigación profundizaremos
de este algoritmo en los secciones próximas, pero es importante
el método del Análisis de Componentes Principales que pertenece al
mencionar estos conceptos en esta introducción y otro más como los
conjunto de técnicas del aprendizaje no supervisado, cuyo objetivo no
loadings (factores), ya que nos servirán en futuras ocasiones en esta
es predecir variables, sino estudiarlas para el uso en un determinado
investigación.
análisis.
El ACP brinda una enorme ventaja en el análisis de la información,
El Análisis de Componentes Principales es una técnica que consiste
porque permite trabajar con menos variables en nuestro conjunto de
en reducir la dimensionalidad de un conjunto de datos sin perder la
datos y ayuda a delimitar el problema, lo cual conlleva a entenderlo
presición y validez de la información. Esto significa que podemos
mejor. Usualmente, los expertos en Machine Learning tienden a
pasar de P dimensiones con n observaciones a Q dimensiones en
utilizar este método para posteriormente aplicar modelos predicativos
donde Q < P. El Análisis de Componentes Principales es un técnica
del aprendizaje supervisado como clasificación o regresión lineal.
comúnmente utilizada en el día a día de los ingenieros de datos,
científicos de datos y expertos en Machine Learning, ya que para estos
profesionales es normal contar con un dataset que contiene mucha
información que aporta muy poco valor o su significado en el análisis 4 Machine Learning
es irrelevante. El ACP forma parte de la familia de los métodos de
extracción de características. De acuerdo con Paloma Recuero de los El Machine Learning o aprendizaje automático es la rama de la
Santos (2018) el ACP: inteligencia artificial que permite a las máquinas aprender de los datos
y mejorar constantemente sin la necesidad de ser programada a base
El Algoritmo de Componentes Principales (en adelante PCA) de reglas por una persona. El principal objetivo de los algoritmos
consiste en una técnica de selección de características concretas de ML es identificar patrones para extraer caracteristicas o realizar
que utiliza una transformación ortogonal para convertir predicciones en nuestros conjunto de datos para la toma de decisiones.
un conjunto de observaciones de variables, posiblemente Según McKinsey & Company (2015): ”El aprendizaje automático se
correlacionadas, en un conjunto más reducido de variables que basa en algoritmos que pueden aprender de los datos sin depender de
ya no guardan correlación y que se conocen como componentes la programación basada en reglas.” (parr. 1).
principales. (parr. 2).
Varios algoritmos de ML están programados bajo los conceptos del
álgebra lineal. Además de álgebra lineal, los científicos de datos y ex-
El método emplea una seríe de transformaciones lineales que apunta pertos de ML utilizan cálculos multivariantes, así como la probabilidad
a proyectar sobre las direcciones de mayor varianza que muestran y la estadística para programar estos algoritmos. El ML se divide en
nuestros datos. Para explicar esto usaremos la figura 1. En esta conjuntos de técnicas que se encuentran agrupados en las siguientes
representación, el vector que tiende a apuntar más al eje de las abscisas categorias:
lo tomaremos como el primer componente principal. Este vector
apuntará a donde los datos tienen mayor variabilidad y el segundo • Aprendizaje supervisado: Contienen entradas y salidas

2
 predichas, la máquina debe encontrar esta relación y se entrena
por medio de datos etiquetados, utilizando modelos de clasifi-
cación y regresión.
• Aprendizaje por refuerzo: En este tipo de aprendizaje se imple-
menta el entrenamiento de máquina por medio de prueba y error
hasta determinar la manera más óptima de solucionar problemas
o de lograr el objetivo, podría decirse que se basa en exploración
inteligente.
• Aprendizaje no supervisado: Se desarrollará la explicación
• Redes neuronales o deep learning: Caracterizados por la simu-
lación de las neuronas cerebrales.
Las redes neuronales han tomado gran auge en el avance de la
automatización en las grandes empresas y en la ciencia en general.
Esta tecnología es bastante peculiar debido a su similitud con el
funcionamiento de las neuronas del cerebro humano. Muchas personas
logran identificar esta tecnología, ya que ha provocado mucho ruido en
todo lo que ha hecho en estos últimos años. Unos lo asocian como la
tecnología que venció al mejor jugador de GO en China (AlphaGo) y
otros lo vinculan con los coches autónomos de Tesla. De acuerdo con
el matemático y doctor en informática, Carlos Garcia (s.f.), el deep
learning:
El Deep Learning lleva a cabo el proceso de Machine Learning
usando una red neuronal artificial que se compone de un
número de niveles jerárquicos. En el nivel inicial de la jerarquía
la red aprende algo simple y luego envía esta información
al siguiente nivel. El siguiente nivel toma esta información
sencilla, la combina, compone una información algo un poco
más compleja, y se lo pasa al tercer nivel, y así sucesivamente.
(parr. 10).
Ciertamente, se cree que la inteligencia artificial podrá resolver muchos
problemas en la vida real, es por ello que, la rama del álgebra lineal
contribuirá con el desarrollo de esta tecnología en el mundo. De
acuerdo con una entrevista impulsada por el MIT Technology Review,
el padre de la IA, Geoffrey Hinton, cree que el Machine Learning sería
capaz de hacerlo todo, sin embargo aún hacen falta bastantes avances
conceptuales en el campo.
4.1 Historia del Machine Learning
Los fundamentos del Machine Learning inician desde 1812 con el
teorema de Bayes y la teoría de la probabilidad, el cual indica que
un evento puede ocurrir si existen condiciones previas, también es
conocida como probabilidad inversa o probabilidad condicional. El
teorema original estaba basado en problemas más complejos. Sin
embargo, con la llegada de la programación informática y algoritmos
de integración mejorados, se ha vuelto cada vez más importante en el
cálculo.
Alan Turing, fue el matemático que se preguntó de que si las máquinas
podían pensar, con su artículo: “Sobre números computables, con
una aplicación al Entscheidungsproblem”. Luego de esto demostró
que aún de forma algorítmica existen problemas irresolubles; para
esto, creó la conocida “Máquina de Turing” y así nacen las bases de la
Inteligencia Artificial.
A su vez, en 1956 John McCarthy organiza la famosa conferencia de
Dartmouth, donde se utiliza por primera vez el término: “Inteligencia
Artificial”, mencionando: “Este estudio procederá sobre la base de que
3
todos los aspectos del aprendizaje o de rasgo de la inteligencia pueden,
en principio, ser descritos de una forma tan precisa que se puede crear
una máquina que los simule”. (Guillen, 2016).
En un documento publicado por la Universidad de Stanford en 2007,
John McCarthy expresó su concepto sobre I.A:
La ciencia y la ingeniería de crear máquinas inteligentes,
especialmente programas de computación inteligentes. Está
relacionada con la tarea similar de utilizar ordenadores para
comprender la inteligencia humana, pero la IA no se limita
a métodos que sean observables biológicamente. (Alandete,
2011).
Por ende, podemos decir que John McCarthy fundó la IA porque como
él lo expresó en una entrevista con Jeffrey Mishlove:
“Empezó a interesarme realmente el concepto de IA desde el 49,
cuando me gradué como estudiante en matemáticas. . . El prob-
lema es desarrollar un lenguaje con el cual podamos expresarnos
con nuestros programas, los hechos y razonamientos sobre el
sentido común del mundo que los humanos tenemos, eso es
necesario para volverlos inteligentes y es en lo que estoy traba-
jando, usando herramientas matemáticas lógicas”. (ThinkingAl-
lowedTv, 2011).
Fue entre 1950 y 1960 que Frank Rosenblatt desarrolló el “Percep-
trón”, inspirado en el funcionamiento de las neuronas del cerebro
humano, pero llevado a lenguaje de máquina, en el que expone
las neuronas artificiales como discriminadores lineales, que se
comunican por medio de nodos interconectados y así forman redes
neuronales complejas. Fue hasta 1997 con el sistema IBM Deep
Blue, basado en aprendizaje profundo que una máquina logra derrotar
al campeón mundial de ajedrez. Por medio del entrenamiento,
fue encontrando patrones en las jugadas y usándolo no solamente
para mejorar sino implementando el uso de datos para tomar decisiones.
5 Aprendizaje no supervisado
En la sección pasada definimos el aprendizaje supervisado como una
familia de técnicas que estudian conjuntos de datos debidamente
etiquetados, con el fin de buscar predecir variables dependientes.
Por el contrario, en el aprendizaje no supervisado la problemática a
resolver no es de predecir una variable, sino de explorar por medio de
técnicas conjuntos de datos (no etiquetados) que permitan explicar las
características o estructuras clave de los datos.
El uso del aprendizaje no supervisado se vuelve muy común en las
empresas, esto porque en la mayoría de las veces nos encontramos con
conjuntos de datos que no cuentan con las etiquetas que esperamos en
nuestro análisis. Computacionalmente, el aprendizaje no supervisado
es mucho más complejo que el supervisado, asimismo, el porcentaje
de precisión y confiabilidad de resultados es menor del no supervisado
que el supervisado. Esto no quita el hecho de que el aprendizaje no
supervisado sea muy valioso en el camino de la Inteligencia Artificial,
pues como se mencionó, hoy por hoy es muy utilizado en el campo del
Machine Learning y en la misma minería de datos.
De las principales técnicas del aprendizaje no supervisado contamos
con: agrupamiento de datos, reducción de dimensionalidad (uso del
ACP), identificación de valores atípicos y detección de novedades.
Para efectos de nuestra investigación, nos enfocaremos en la reducción
de dimensionalidad con la aplicación del ACP e indirectamente con la
detección de valores atípicos a través de un ejemplo práctico utilizando
código python y la librería scikit-learn. No obstante, antes de aden-
trarnos al código, explicaremos desde el ágebra lineal como funciona
el ACP con el fin de entender el agente inteligente de nuestra caja negra.
6 Antecendentes matemáticos
Como se explicó anteriormente el Análisis de Componentes Princi-
pales busca solucionar problemas relacionados en la reducción de
la dimensionalidad. La reducción de las dimensiones del espacio
de características se denomina reducción de dimensionalidad. La
reducción de dimensiones es necesaria cuando hay demasiadas
características en un conjunto de datos, lo que dificulta la distinción
entre las importantes que son relevantes para el resultado y las
redundantes o no tan importantes.
El Análisis de Componentes Principales tiene como base es-
tandarizar el rango de las variables iniciales continuas para que cada
una de ellas contribuya por igual al análisis. La estandarización en el
PCA es bastante sensible con respecto a las varianzas de las variables
iniciales. En otras palabras, si existen grandes diferencias entre los
rangos de las variables iniciales, aquellas variables con rangos más
grandes predominarán sobre las que tienen rangos pequeños (por
ejemplo, una variable que oscila entre 0 y 100 dominará sobre una
variable que oscila entre 0 y 1 ), lo que dará lugar a resultados sesgados.
Por lo tanto, transformar los datos a escalas comparables puede evitar
este problema. Esto último se puede visualizar matemáticamente de la
siguiente manera:
variable − media
z= (1)
DesviacinEstndar
En esta misma línea, es fundamental comprender que ocurre cómo
las variables del conjunto de datos de entrada varían de la media
entre sí, o en otras palabras, para ver si existe alguna relación entre
ellas. Porque a veces, las variables están altamente correlacionadas
de tal manera que contienen información redundante. Entonces, para
identificar estas correlaciones, calculamos la matriz de covarianza.
Describimos la matriz de covarianza es una matriz simétrica p × p
(donde p es el número de dimensiones) la cual tiene como entradas
las covarianzas asociadas con todos los pares posibles de las variables
iniciales. Supongamos un conjunto de datos tridimensionales con 3
variables x, y y z, la matriz de covarianza es una matriz de 3 × 3 de
esto de:  
Cov( x, x ) Cov( x, y) Cov( x, z)
 
 Cov(y, x ) Cov(y, y) Cov(y, z) 
 
(2)
 
Cov(z, x ) Cov(z, y) Cov(z, z)
En resumen, como pudimos observar, la matriz de covarianza es más
una tabla que resume las correlaciones entre todos los posibles pares
de variables.
Los antecedentes matemáticos del Análisis de Componentes
Principales no estaría completo sin antes adjuntar una breve intro-
ducción a Eigenvectores y eigenvalores, ya que son los conceptos
de álgebra lineal que necesitamos calcular a partir de la matriz
de covarianza para determinar los componentes principales de los
datos. Antes de llegar a la explicación de estos conceptos, primero
comprendamos qué entendemos por componentes principales.
4
Esto debido a que el ACP son nuevas variables que se con-
struyen a través de combinaciones lineales y mezclas de las variables
iniciales de entrada. Estas combinaciones surgen de tal manera que
las nuevas variables no están correlacionadas y la mayor parte de la
información de las variables iniciales de entradas son comprimidas
enlos primeros componentes. Por su parte, los Eigenvectores y
eigenvalores siempre vienen en pares, de modo que cada vector propio
tiene un valor propio. Y su número es igual al número de dimensiones
de los datos.
Esto último es gran importancia debido qué los Eigenvectores
de la matriz de covarianza son en realidad las direcciones de los
ejes donde hay más varianza, los cuales llamamos Componentes
Principales. Y por su parte, los Eigenvalores, son los coeficientes
adjuntos a los vectores propios, que dan la cantidad de varianza
transportada en cada componente principal. Habiendo entendido los
antecendentes de los Componentes Principales, podemos adentrarnos
en los tópicos matemáticos del ACP.
7 Tópicos matemáticos
El ACP brinda una enorme ventaja en el análisis de la información,
porque permite trabajar con menos variables en nuestro conjunto de
datos y ayuda a delimitar el problema, lo cual conlleva a entenderlo
mejor. Usualmente, los expertos en Machine Learning tienden a uti-
lizar este método para posteriormente aplicar modelos predictivos del
aprendizaje supervisado como clasificación o regresión lineal.
En esta técnica de extracción de características, se utilizan los eigen-
vectores y los eigenvalores.
1. Eigenvectores: se refieren a la multiplicación de una matriz y un
vector. El resultado es un múltiplo entero del vector de origen.
Los eigenvectores sólo pueden existir cuando son matrices cuadradas,
es decir, una matriz nxn, el número de eigenvectores es n. Si se
escalan antes de hacer la multiplicación por la matriz, se van a obtener
múltiplos del eigenvector. Por último, todos son ortogonales entre
ellos.
En el Análisis de Componentes principales, cada componente contiene
un eigenvector, y el orden de sus eigenvalores es decreciente. Además,
a cada eigenvector le corresponde un eigenvalor y viceversa.
El ACP contiene una tabla de datos que se puede ir transformando
en una matriz de distancias; para transformar dichos datos, se debe
conocer la magnitud y dirección de de los coeficientes de las variables
originales y posteriormente, crear variables sintéticas que serán
llamados “Componentes”.
Por ejemplo: El componente 1 lo nombraremos C1 que sería
la combinación lineal de X j , entonces:
C1= a11 X 1 + ... + a1j X j + ...a1m X m , X j es la columna j de X.
Entonces C1 es el valor para el i-ésimo individuo:
Ci1 = a11 X + ... + a1j X + ...a1m Xim
Sin embargo, este componente principal, no va a ser suficiente para
sustentar toda la información que hay en X, esto nos obliga a tener
que crear una segunda variable sintética, que como antes indicamos le
llamaremos componente 2 o C2 y así sucesivamente: C3 , C4 ...
En la etapa que llamaremos k, se construye el componente principal
k-ésima que sustituye el 1: C K = ak1 X 1 + ... + akj X j + ...akm X m Si
lo vemos como matriz, sería: C k = Xak .
 calcular sus correlaciones.
 
a y1 − y
 
 k1   σy 
 ..   .. 
 .   . 
   
k
 
a =  akj 

 (3)  y −y 
yc =  2  (7)
 .   σy 
 .   . 
 .   . 
 . 
   
akm yn −y
σy

Donde ak es el k-ésimo factor y akj es quien indica cuánto valor Las correlaciones pueden ser interpretadas de la siguiente manera:
aporta cada variable a la construcción del componente. Unos van a
1. Si la suma de las correlaciones de X j al cuadrado están cercanas
ser negativos y otros positivos, su peso solo es importante respecto
a 1, hay una correlación fuerte con los componentes o alguno de
al peso de los otros componentes, para mantener la ortogonalidad
ellos, pero la correlación con los otros va a ser débil.
de la transformación se ponen restricciones, como por ejemplo:
∑m 2
j=1 ( akj ) = 1
0
2. Si por ejemplo, el ángulo entre X j y X j es cercano a los 90 grados
entonces no hay correlación entre ellas.
En el ACP se reducen las variables y se busca la correlación 0
de las mismas, para esto debe sacarse la varianza, covarianza. Por 3. Si X j y X j se encuentran opuestas al vértice origen, hay una
ejemplo: V = n1 X t X, la cual sería la matriz de dicha varianza- correlación fuerte y negativa entre ellas.
covarianza, a esta operación se le denomina, extracción de valores. En el ACP se utilizan distintos gráficos que ayudan a representar
Quedando esta matriz de correlaciones: detalles sumamente relevantes en el análisis del método. Los gráficos
principales son: Círculo de correlaciones, Gráfico de sedimentación
cov( X I X J )
vij = = R( X I X J ) (4) y Plano de componentes principales. A continuación se explica el
σx I x J objetivo de estas 3 visualizaciones.
Entonces la fila de X en R es el espacio de individuos en el centro de la
nube de puntos. Para calcular las correlaciones se puede implementar 7.1 Círculo de correlaciones
este ejemplo: El círculo de correlaciones ayuda a visualizar la relación existente
  √  que tienen las variables entre sí en nuestro conjunto de datos. En
R( X 1 , Cr ) Br a1r una investigación elaborada por el Tecnológico de Costa Rica (TEC)

 ..

  .. 
  se define que: “Los círculos de correlaciones son obtenidos a partir
 .   .  de las correlaciones entre las variables originales y las componentes
 √
  q 
 R( X j , Cr )  = Br · ay =  Br ar  =
   principales normalizadas.” (Allan Jimenez, 2012). Tomando este
j (5)
   círculo como referencia para la explicación de los ejemplos abajo,

 .. 
  .. 
 
cada punto hace referencia a una variable (ejemplo: Period Deaths o
 .   . 
  
√ r
 Net int. Migration):
R( X m , Cr ) Br am

• ar es el r-ésimo vector propio de R = n1 X t X asociado a r. Fig. 2. Círculo de correlaciones - Period Deaths o Net int. Migration

• Por dualidad, para calcular las correlaciones se puede diagonalizar

la matriz. Suponiendo que X ya ha sido reducida, Z = X t .

Entonces, Rs =Zas , as es el vector propio de H = n1 X t X por lo tanto:

Ris = a1s Zij + ... + asn Zin o también puede ser representado como
Ris = ∑nj=1 Zi jasj . Cuando se trabaja ACP con varianzas se debe
identificar y eliminar valores atípicos, los cuales son más fáciles de
identificar gráficamente, en algunos casos se debe conocer la relación
y observar la distancia entre un punto y la media.

Una variable suplementaria:

 
yk1
 
 .. 
 . 
 
 
y=
 y2 
 (6)
 . 
 .  Fuente: XLSTAT
 . 
 
yn • Si las variables están próximas entre ellas, es decir, si están lejos
del centro, pero pegadas entre sí significa que están positivamente
Debe centrarse y reducirse a sí misma primeramente, para luego poder correlacionadas.

5
 • Si son ortogonales significa que no están correlacionadas.
• Si están en lados opuestos con respecto al centro significa que
están negativamente correlacionadas.
7.2 Gráfico de sedimentación
El gráfico de sedimentación revela el nivel óptimo en la cantidad de
componentes principales que deben ser seleccionados para la reduc-
ción de dimensionalidad de un conjunto de datos. Los elementos que
tendremos en este gráfico serán los componenetes originales (sin la
aplicación de la reducción de dimensionalidad) en el eje x y en el eje
y tendremos los valores propios de cada componente. Con el fin de
visualizar de manera directa los componentes más relevantes se ordena
de mayor a menor según la magnitud de cada uno. A continuación, se
visualiza un ejemplo de un gráfico de sedimentación:
Fig. 3. Gráfico de sedimentación - Minitab
Fuente: Minitab.
7.3 Plano de componentes principales
El plano de componentes principales es un gráfico que permite
visualizar el resultado de la reducción de dimensionalidad aplicando el
ACP sobre nuestros datos. Supongamos que tenemos un conjunto de
datos de 13 variables y n observaciones. Por supuesto que gráficar
13 variables en un gráfico es tarea imposible, asimismo, el ACP
lo que buscará será reducir esas 13 variables a 2 (para efectos de
nuestro ejemplo), con el fin de encontrar las variables más relevantes
en el conjunto de datos. Anteriormente, vimos como obtener los
componentes principales por lo que ahora necesitamos gráficar en un
plano de 2 dimensiones (plano de componentes principales) nuestro
resultado una vez obteniendo nuestros 2 componentes.
A continuación se expone un ejemplo de un plano de componentes
principales:
Fig. 4. Plano de componentes principales - Minitab
Fuente: Minitab.
8 Aplicación del ACP en código Python
Para iniciar con nuestro algoritmo, importaremos las librerías nece-
sarias para desarrollarlo. Cabe mencionar que antes de importar la
librería mglearn se debe instalar en nuestro IDE (pip install mglearn).
• sklearn nos ayudará a entrenar nuestro modelo.
• glearn nos permitirá visualizar gráficamente los componentes
principales.
• Con pandas nos ayudaremos con la manipulación de los datos en
nuestro conjunto de datos. A este conjunto le llamaremos Data
Frame.
• numpy para el manejo de matrices numéricas.
• matplotlib y seaborn para la visualización de datos.
• ACP para obtener nuestros componentes principales de nuestra
matriz de datos.
1 import sklearn
2 import mglearn
3 import pandas as pd
4 import numpy as np
5 import matplotlib.pyplot as plt
6 import seaborn as sns
7 %matplotlib inline
8 from sklearn.decomposition import PCA
Buscaremos implementar el ACP con el siguiente Data Frame:
Fig. 5. Consumo (CON), Potencia (POT), Cilindrada (CIL), Acel-
eración (ACE), Velocidad (VEL), Peso (PESO) y Seguridad (SEG
Fuente: (2021) Ciencia de Datos. Carlos González.
Lo primero que podemos identificar es que existen valores atípicos en
nuestros datos, tales son la línea 4, 6 y 15 con automóviles altamente
costosos y alejados del grupo. "El método ACP es altamente sensible
a outliers, por lo que es altamente recomendable estudiar si los hay."
(Joaquín, Amat, 2017, p. 2). Por esta razón procedemos a eliminar los
valores atípicos, así como las variables no numéricas (ACP solo trabaja
con valores numéricos).
1 df = pd.read_excel(’/content/ACP.xlsx’)
2
3 df = df.drop([3,5,14],axis=0),
4 target = df.iloc[:,0]
5
6
6 df = df.drop([’MODELO’], axis=1)
7 df = df.drop([’SEG’], axis=1)
Como vimos anteriormente, es sumamente importante visualizar las
correlaciones que existen entre nuestras variables. Por ello utilizare-
mos el círculo de correlación (programado en R) para identificar cuales
variables tienen y no tienen relación entre ellas. Como se puede obser-
var, muchas de nuestras variables poseen correlación entre ellas. No
obstante, la variable de aceleración tiene correlación negativa entre las
demás variables.
Fig. 6. Círculo de correlación - implementación con R
Fuente: Elaboración propia.
Con el fin de observar los niveles de correlación entre nuestras variables
en forma de matriz, procederemos con las siguientes líneas de código:
1 corr = df.corr(method=’pearson’)
2
3 plt.figure(figsize=(16,8))
4 sns.heatmap(corr,xticklabels=corr.columns,
yticklabels=corr.columns,
5 cmap=’RdBu_r’, annot=True, linewidth=0.5)
6 plt.title(’Matriz de correlaci n’)
Fig. 7. Matriz de correlación
Fuente: Elaboración propia.
Las siguientes líneas de código nos permitirán definir nuestra matriz
de covarianza, para luego poder obtener los vectores propios y valores
propios, así como proporción de nuestros datos.
1 n = df.shape[0]
2 matriz = np.array(df)
3
4 matriz_cov = np.cov(matriz.T)
5
6 valores, vectores = np.linalg.eigh(matriz_cov)
7
8 proporcion = valores / np.trace(matriz_cov)
Para visualizar de forma descendiente nuestro gráfico de sedimentación
procedemos a ordenar de mayor a menor los valores que se encuentra en
la lista de proporción que se obtuvo de las líneas pasadas, de tal manera
que podamos obtener el peso en porcentaje de nuestras componenentes
principales.
1 porcentaje = proporcion * 100 porcentaje
2 y = sorted(porcentaje,reverse=True)
Posteriormente nos ayudamos con matplotlib para visualizar nuestro
gráfico de sedimentación. Como podemos observar el gráfico de sed-
imentación nos muestra que el primer componente tiene un 97.1%
en la variación de nuestros datos. El segundo componente solamente
toma el 2.3% en la variación de los datos. Los demás componentes
tienen a formar una línea cercana a 0% por lo cuál, para efectos de
nuestro análisis utilizaremos los dos primeros componentes como las
principales (esto porque tienen más variación) que caracterizan nuestro
Data Frame.
1 fig, ax = plt.subplots(figsize=(10,5),dpi=100)
2 plt.plot([’CP1’,’CP2’,’CP3’,’CP4’,’CP5’, ’CP6’], y,
color=’black’, marker = ’x’, linewidth=1,
markersize=4)
3 ax.set(title=’ G r f i c o de sedimentaci n’,xlabel=’
Componentes principales’,ylabel=’Porcentaje de
v a r i a c i n ’)
Fig. 8. Gráfico de sedimentación para el ACP
Fuente: Elaboración propia.
Con el ACP de scikit-learn le indicamos a nuestro algoritmos que quer-
emos reducir nuestro Data Frame a 2 componentes principales y pos-
teriormente, procedemos a entrenar el modelo, con el fin transformar
nuestro Data Frame inicial a solamente una matriz con 2 dimensiones.
1 pca = PCA(n_components=2)
2 pca.fit(df)
3
4 df_transform = pca.transform(df)
Esta línea de código nos servirá para manipular más fácilmente desde
un Data Frame las columnas que deseamos graficar en el plano de
componentes principales.
1 new_df = pd.DataFrame(df_transform,columns=[’CP1’,’
CP2’])
2 new_df = new_df.assign(Target=target)
7
 Por último, graficamos nuestro plano de componentes principales y
esto nos permitirá observar como nuestros datos interactúan en un
plano de 2 dimensiones.
1 fig, ax = plt.subplots(figsize=(10,5),dpi=100)
2 mglearn.discrete_scatter(new_df.iloc[:,0],new_df.
iloc[:,1],new_df.index,s=20)
3 plt.legend(new_df.iloc[:,2])
4 ax.set(title=’Visualizaci n del A n l i s i s de los
Componentes’, xlabel=’CP 1’, ylabel=’CP 2’)
https://www.bbvaopenmind.com/tecnologia/inteligencia-artificial/el-
verdadero-padre-de-la-inteligencia-artificial/
Gonzalez, C. (s.f.). ¿Qué es el Deep Learning y para qué sirve?. Indra.
Recuperado de: https://bit.ly/3lcn8d7.
Hao, K. (2020, noviembre). “El aprendizaje profundo va a ser capaz
de hacer cualquier cosa”. MIT Technology Review. Recuperado de:
https://bit.ly/38mEaS2.

Martín, P. G., de Pascual, A. D., Lezama, E. T., Olmos, E. G.

Fig. 9. Plano de componentes principales (1994). Una aplicación del análisis de componentes principales
en el área educativa. Economía, 19(9), 55-72. Recuperado de:
https://bit.ly/3dusKwP

Jaadi, Z. (2021, March 25). A Step-by-Step Explanation of Principal

Component Analysis. Built In. Recuperado de: https://builtin.com/data-
science/step-step-explanation-principal-component-analysis

Joaquín Amat, R. (2017, junio). Análisis de Componentes Principales

(Principal Component Analysis, PCA) y t-SNE. Ciencia de Datos.
Recuperado de: https://bit.ly/3m1ybHh.
Fuente: Elaboración propia.
Pyle, D. & San José C. (2015, junio). An executive’s guide
to machine learning. McKinsey & Company. Recuperado de:
9 Conclusiones https://mck.co/2GElJge.
En esta publicación se repasaron los principales conceptos del Recuero de los Santos, P. (2018, junio). Python para todos : ¿Qué es el
Análisis de Componentes Principales, se profundizó desde una visión análisis de Componentes Principales o PCA?. Think Big. Recuperado
matemática y programática con el objetivo asentar una relación de: https://bit.ly/3cvo7TP.
didáctica aplicativa. Como se expuso, el Análisis de Componentes
Principales es capaz de resumir una gran cantidad de datos mediante Sanchéz Mangas, A. (2015, abril). Análisis de Componentes
de la disminución de la dimensionalidad. La importancia de poder Principales: Versiones Dispersas y Robustas al Ruido Impulsivo.
reducir dimensiones en grandes cantidades es gigantezca, en diversas Recuperado de: https://bit.ly/3w1GpDX.
áreas de la ciencia y la industria. Los métodos presentados en esta
publicación nos permiten concluir que ACP en el análisis de datos y en ThinkingAllowedTv. [Thinking AllowedTv] (3 de noviembre de 2011).
Machine Learning, resulta indispensable para el tratamiento de los John McCarthy(1927-2011)[Thinking Allowed - Jeffrey Mishlove.
datos, más aún cuando se trata de Big Data. Recuperado de: https://www.youtube.com/watch?v=Ozipf13jRr4
Asimismo; concluimos que el Análisis de Componentes Princi-
pales es una herramienta perfeccionada y además que la incorporación
de sub-herramientas como el gráfico de sedimentación, el cual nos
permite conocer el nivel óptimo en la cantidad de componentes
principales que deben ser seleccionados para la reducción de
dimensionalidad de un conjunto de datos, o el círculo de correlación,
el cual nos permite observar los niveles de correlación entre nuestras
variables. Las aplicaciones del Análisis de Componentes Principales
puede variar de acuerdo a las necesidades, incluso, la herramienta
permite manipularle de tal manera que podamos programarla para
que resolver problemas específicos en nuestros análisis de datos, tal y
como se expuso en la aplicación del ACP en código Python.

10 Referencias
Alandete D.(26 de Octubre de 2011). John McCarthy, el ar-
ranque de la inteligencia artificial. El País. Recuperado de:
https://elpais.com/diario/2011/10/27/necrologicas/1319666402_850215.html

Jimenez, A. E. C. (30 de Mayo de 2012). Analisis de Componentes

Principales en Paralelo. Recuperado de: https://bit.ly/39kmDtl

Guillen, B. (4 de septiembre de 2016). El verdadero padre de

la inteligencia artificial. OpenMind BBVA. Recuperado de:

View publication stats