Statistiche e Big Data pca

28

Dare un senso all'analisi dei componenti principali, autovettori e autovalori

Nell'odierna classe di riconoscimento dei modelli il mio professore ha parlato di PCA, autovettori ed autovalori. Ne ho capito la matematica. Se mi viene chiesto di trovare autovalori ecc. Lo farò correttamente come una macchina. Ma non l'ho capito . Non ne ho avuto lo scopo. Non ne ho avuto …

976 pca intuition eigenvalues canonical-question

3

Relazione tra SVD e PCA. Come usare SVD per eseguire PCA?

L'analisi dei componenti principali (PCA) viene di solito spiegata tramite una decomposizione degli automi della matrice di covarianza. Tuttavia, può anche essere eseguita mediante decomposizione in valori singolari (SVD) della matrice dati . Come funziona? Qual è la connessione tra questi due approcci? Qual è la relazione tra SVD e …

352 pca dimensionality-reduction matrix svd

14

Quali sono le differenze tra Analisi fattoriale e Analisi dei componenti principali?

Sembra che un certo numero di pacchetti statistici che utilizzo includano questi due concetti insieme. Tuttavia, mi chiedo se ci sono diverse ipotesi o "formalità" di dati che devono essere vere per essere usate l'una sull'altra. Un vero esempio sarebbe incredibilmente utile.

215 pca factor-analysis

7

PCA sulla correlazione o covarianza?

Quali sono le principali differenze tra l'esecuzione dell'analisi dei componenti principali (PCA) sulla matrice di correlazione e la matrice di covarianza? Danno gli stessi risultati?

153 correlation pca covariance factor-analysis

6

L'analisi dei componenti principali può essere applicata a set di dati contenenti una combinazione di variabili continue e categoriali?

Ho un set di dati che contiene sia dati continui che categorici. Sto analizzando usando PCA e mi chiedo se sia giusto includere le variabili categoriali come parte dell'analisi. La mia comprensione è che PCA può essere applicato solo a variabili continue. È corretto? Se non può essere utilizzato per …

147 categorical-data pca correspondence-analysis mixed-type-data

5

Qual è la differenza tra l'analisi dei componenti principali e il ridimensionamento multidimensionale?

In cosa differiscono PCA e MDS classico? Che ne dici di MDS contro MDS non metrico? C'è un momento in cui preferiresti l'uno all'altro? In cosa differiscono le interpretazioni?

133 pca multidimensional-scaling pcoa

1

Come invertire PCA e ricostruire variabili originali da diversi componenti principali?

L'analisi dei componenti principali (PCA) può essere utilizzata per la riduzione della dimensionalità. Dopo aver eseguito tale riduzione di dimensionalità, come si può ricostruire approssimativamente le variabili / caratteristiche originali da un piccolo numero di componenti principali? In alternativa, come si possono rimuovere o eliminare diversi componenti principali dai dati? …

113 pca dimensionality-reduction svd

6

Si dovrebbero rimuovere variabili altamente correlate prima di fare PCA?

Sto leggendo un articolo in cui l'autore scarta diverse variabili a causa dell'alta correlazione con altre variabili prima di fare PCA. Il numero totale di variabili è di circa 20. Questo dà qualche vantaggio? Mi sembra un sovraccarico poiché PCA dovrebbe gestirlo automaticamente.

111 correlation pca

4

Spiegazione dell'APC e della percentuale di varianza

In generale, cosa si intende dicendo che la frazione della varianza in un'analisi come la PCA è spiegata dal primo componente principale? Qualcuno può spiegarlo in modo intuitivo, ma anche dare una definizione matematica precisa di cosa significa "varianza spiegata" in termini di analisi dei componenti principali (PCA)?XXx Per una …

90 regression pca linear-model dimensionality-reduction

3

Un esempio: regressione di LASSO utilizzando glmnet per il risultato binario

Sto iniziando a dilettarsi con l'uso di glmnetcon LASSO Regressione dove il mio risultato di interesse è dicotomica. Di seguito ho creato un piccolo frame di dati finti: age <- c(4, 8, 7, 12, 6, 9, 10, 14, 7) gender <- c(1, 0, 1, 1, 1, 0, 1, 0, 0) …

78 r self-study lasso regression interpretation anova statistical-significance survey conditional-probability independence naive-bayes graphical-model r time-series forecasting arima r forecasting exponential-smoothing bootstrap outliers r regression poisson-distribution zero-inflation genetic-algorithms machine-learning feature-selection cart categorical-data interpretation descriptive-statistics variance multivariate-analysis covariance-matrix r data-visualization generalized-linear-model binomial proportion pca matlab svd time-series correlation spss arima chi-squared curve-fitting text-mining zipf probability categorical-data distance group-differences bhattacharyya regression variance mean data-visualization variance clustering r standard-error association-measure somers-d normal-distribution integral numerical-integration bayesian clustering python pymc nonparametric-bayes machine-learning svm kernel-trick hyperparameter poisson-distribution mean continuous-data univariate missing-data dag python likelihood dirichlet-distribution r anova hypothesis-testing statistical-significance p-value rating data-imputation censoring threshold

6

C'è qualche buona ragione per usare PCA invece di EFA? Inoltre, PCA può essere un sostituto dell'analisi fattoriale?

In alcune discipline, PCA (analisi dei componenti principali) viene sistematicamente utilizzato senza alcuna giustificazione e PCA ed EFA (analisi dei fattori esplorativi) sono considerati sinonimi. Di recente ho quindi utilizzato PCA per analizzare i risultati di uno studio di validazione della scala (21 articoli su scala Likert a 7 punti, …

73 pca factor-analysis eda

7

Quali sono i punteggi dei componenti principali?

Quali sono i punteggi dei componenti principali (punteggi PC, punteggi PCA)?

71 pca definition

4

Come visualizzare quale analisi di correlazione canonica fa (rispetto a quale analisi di componente principale fa)?

L'analisi di correlazione canonica (CCA) è una tecnica correlata all'analisi dei componenti principali (PCA). Mentre è facile insegnare la PCA o la regressione lineare usando un diagramma a dispersione (vedere alcune migliaia di esempi sulla ricerca di immagini di Google), non ho visto un simile esempio bidimensionale intuitivo per CCA. …

70 regression data-visualization pca canonical-correlation geometry

4

Qual è la differenza tra le funzioni R prcomp e princomp?

Ho confrontato ?prcompe ?princomptrovato qualcosa sull'analisi dei componenti principali in modalità Q e modalità R (PCA). Ma onestamente, non lo capisco. Qualcuno può spiegare la differenza e forse anche spiegare quando applicare quale?

70 r pca

5

Carichi vs autovettori in PCA: quando utilizzare l'uno o l'altro?

Nell'analisi dei componenti principali (PCA), otteniamo autovettori (vettori di unità) ed autovalori. Ora, definiamo i caricamenti come Carichi = autovettori ⋅ autovalori----------√.carichi=autovettori⋅autovalori.\text{Loadings} = \text{Eigenvectors} \cdot \sqrt{\text{Eigenvalues}}. So che gli autovettori sono solo direzioni e i caricamenti (come definiti sopra) includono anche la varianza lungo queste direzioni. Ma per una mia …

67 pca

Domande taggate «pca»