Performance analysis of features obtained by PCA (principal component analysis) dimensionality reduction method for diagnosing PAF (paroxysmal atrial fibrillation) patients

İlke Bileşen Analizi (PCA), özellik çıkarma ve boyut küçültme için sunulan bir şemadır. Yüksek boyutlu verileri içeren birçok uygulamada yaygın olarak kullanılmıştır. Bu çalışmada, normal sinüs ritm (NSR) EKG kayıtlarından Paroksismal Atriyal Fibrilasyon (PAF) tanısı koyabilmek için bu kayıtlardan elde edilen 33 tane kısa süreli Kalp Hızı Değişkenliği (KHD) indisinden PCA tarafından çıkartılan özniteliklerin etkinliğini karşılaştırdık. Bu çerçevede, K-En Yakın Komşu (kNN) algoritması olarak seçilen sınıflandırma algoritmasına girdi olarak PCA'dan elde edilen 1'den 33'e kadar öznitelik içeren farklı veri setleri kullanılmıştır. En iyi performansı bulmak için farklı değerlerde K ve farklı mesafe metrikleri kullanılmıştır. Daha sonra aynı yaklaşım başka bir KHD veri setine uygulanmıştır. Bu veri seti önceki 33 KHD indisi arasından bir Genetik Algoritma tarafından belirlenen en iyi 8 KHD indisinden oluşmuştur. Elde edilen sonuçlar, bir sınıflandırıcı sistemin girdi boyutlarının PCA algoritması kullanılarak performansda bir azalma olmadan daha da düşürülebileceğine işaret etmektrdir.