KKC_0102 | PCA und t-SNE Grundkurs: ML Algorithmen im Griff

Dimensionalitätsreduktion wird oft als reines Visualisierungstool genutzt. Genau dort entstehen aber die meisten Fehlinterpretationen. In diesem Seminar bauen Sie ein belastbares Verständnis auf, was in hochdimensionalen Daten passiert und warum Distanzen und Nachbarschaften ab einer bestimmten Dimension schnell trügerisch werden.

Darauf aufbauend erarbeiten Sie PCA von Grund auf: Sie klären den Einfluss von Zentrieren und Skalieren, verstehen Kovarianz, Eigenvektoren und die Bedeutung der Hauptkomponenten. Sie lernen, erklärte Varianz zu bewerten, Komponenten nachvollziehbar auszuwählen und Loadings so zu lesen, dass Sie Features nicht falsch überinterpretieren. Anschließend gehen Sie tief in t-SNE: Sie verstehen, was Perplexity praktisch steuert, warum Learning Rate und Iterationen die Stabilität beeinflussen und weshalb globale Abstände in t-SNE-Plots keine verlässliche Aussage sind.

Sie lernen, mit Random Seeds und Wiederholungen reproduzierbare Ergebnisse zu erzeugen, Overplotting zu vermeiden und Visualisierungen so aufzubauen, dass sie Fragen beantworten statt Illusionen zu produzieren. Zum Schluss setzen Sie alles in einen sauberen Workflow um: Vorverarbeitung, optionaler PCA-Prestep, Train/Test-Trennung zur Vermeidung von Leakage, sowie Qualitätschecks wie Nachbarschaftstreue. Sie gehen mit einer Checkliste nach Hause, die Ihnen hilft, PCA und t-SNE im Alltag sicher auszuwählen, zu dokumentieren und zu kommunizieren.

• Herausforderungen hochdimensionaler Daten und trügerischer Distanzen verstehen
• PCA mit Zentrieren, Skalieren, Kovarianz, Eigenvektoren und Hauptkomponenten einordnen
• Erklärte Varianz, Komponentenwahl und Loadings korrekt interpretieren
• t-SNE mit Perplexity, Learning Rate, Iterationen und Random Seeds verstehen
• Globale Abstände, Overplotting und visuelle Fehlinterpretationen vermeiden
• Vorverarbeitung, PCA-Prestep und Train-Test-Trennung gegen Leakage einsetzen
• Qualitätschecks wie Nachbarschaftstreue dokumentieren und kommunizieren

Das Seminar richtet sich an Data Analysts, Data Scientists, ML-Einsteiger/innen, Entwickler/innen und Fachkräfte, die Dimensionsreduktion sicher anwenden möchten.

Grundkenntnisse in Datenanalyse, Statistik oder Machine Learning sind hilfreich. Programmierkenntnisse sind empfehlenswert, aber nicht zwingend erforderlich.

Warum Dimensionalitätsreduktion überhaupt?

• Curse of Dimensionality und Distanzprobleme
• Visualisierung, Kompression, Rauschreduktion
• Was „Struktur“ in Daten wirklich bedeutet

PCA von Grund auf richtig

• Zentrieren, Skalieren, Kovarianz und Eigenvektoren
• Erklärte Varianz, Scree-Plot, Komponentenwahl
• Loadings lesen und Features interpretieren
• Typische Fehler: Leakage, falsche Skalierung

t-SNE verstehen statt nur klicken

• Perplexity, Learning Rate, Iterationen
• Warum globale Abstände täuschen können
• Stabilität, Random Seed und Reproduzierbarkeit
• Overplotting und sinnvolle Visualisierungen

PCA und t-SNE sauber vergleichen

• Welche Fragen beantwortet welches Verfahren?
• Vorverarbeitung: StandardScaler, PCA-Prestep
• Qualitätschecks: Trustworthiness, Nachbarschaften

Praxis-Workflow für echte Datensätze

• Pipeline-Denken mit Train/Test und Cross-Validation
• Visual Analytics: Klassen, Cluster, Ausreißer
• Dokumentation: Plot-Interpretation ohne Überdehnung

Grenzen, Alternativen und Entscheidungen

• Wann UMAP sinnvoll sein kann
• Wann Feature Selection besser ist als Projektion
• Checkliste für belastbare Aussagen