Che cos’è l’analisi a componenti indipendenti?

L’analisi a componenti indipendenti (ICA) è una tecnica statistica e computazionale per rivelare i fattori nascosti che sono alla base di insiemi di variabili casuali, misure o segnali.

ICA definisce un modello generativo per i dati multivariati osservati, che è tipicamente dato come un grande database di campioni. Nel modello, le variabili dei dati sono assunte come miscele lineari di alcune variabili latenti sconosciute, e anche il sistema di miscelazione è sconosciuto. Le variabili latenti sono assunte non gaussiane e reciprocamente indipendenti, e sono chiamate componenti indipendenti dei dati osservati. Queste componenti indipendenti, chiamate anche fonti o fattori, possono essere trovate dall’ICA.

L’ICA è superficialmente collegata all’analisi delle componenti principali e all’analisi dei fattori. L’ICA è una tecnica molto più potente, tuttavia, in grado di trovare i fattori o le fonti sottostanti quando questi metodi classici falliscono completamente.

I dati analizzati dall’ICA potrebbero provenire da molti campi di applicazione diversi, tra cui immagini digitali, database di documenti, indicatori economici e misure psicometriche.In molti casi, le misure sono date come un insieme di segnali paralleli o serie temporali; il termine separazione cieca delle fonti è usato per caratterizzare questo problema. Esempi tipici sono miscele di segnali vocali simultanei che sono stati raccolti da diversi microfoni, onde cerebrali registrate da più sensori, segnali di interferingradio che arrivano a un telefono cellulare, o serie temporali parallele ottenute da qualche processo industriale.

Maggiori informazioni sull’ICA possono essere trovate ai seguenti link:

Breve spiegazione Tutorial paper (anche in giapponese)

e in particolare:

Independent Component Analysis: Il libro

Per fare effettivamente l’ICA sui vostri dati, potete usare il pacchetto

FastICA MATLAB

.