Statistiche e Big Data pca

2

Differenza tra PCA e clustering spettrale per un piccolo set campione di funzionalità booleane

Ho un set di dati di 50 campioni. Ogni campione è composto da 11 funzioni booleane (possibilmente correlate). Vorrei un po 'come visualizzare questi campioni su un diagramma 2D ed esaminare se ci sono cluster / raggruppamenti tra i 50 campioni. Ho provato i seguenti due approcci: (a) Eseguire PCA …

10 clustering data-visualization pca k-means spectral-analysis

2

Perché PCA massimizza la varianza totale della proiezione?

Christopher Bishop scrive nel suo libro Pattern Recognition and Machine Learning una dimostrazione che ogni componente principale consecutivo massimizza la varianza della proiezione in una dimensione, dopo che i dati sono stati proiettati nello spazio ortogonale ai componenti precedentemente selezionati. Altri mostrano prove simili. Tuttavia, ciò dimostra solo che ogni …

10 machine-learning variance pca dimensionality-reduction eigenvalues

4

Modello di storia degli eventi a tempo discreto (Sopravvivenza) in R

Sto cercando di adattare un modello a tempo discreto in R, ma non sono sicuro di come farlo. Ho letto che puoi organizzare la variabile dipendente in diverse righe, una per ogni osservazione temporale e utilizzare la glmfunzione con un collegamento logit o cloglog. In questo senso, ho tre colonne: …

10 r survival pca sas matlab neural-networks r logistic spatial spatial-interaction-model r time-series econometrics var statistical-significance t-test cross-validation sample-size r regression optimization least-squares constrained-regression nonparametric ordinal-data wilcoxon-signed-rank references neural-networks jags bugs hierarchical-bayesian gaussian-mixture r regression svm predictive-models libsvm scikit-learn probability self-study stata sample-size spss wilcoxon-mann-whitney survey ordinal-data likert group-differences r regression anova mathematical-statistics normal-distribution random-generation truncation repeated-measures variance variability distributions random-generation uniform regression r generalized-linear-model goodness-of-fit data-visualization r time-series arima autoregressive confidence-interval r time-series arima autocorrelation seasonality hypothesis-testing bayesian frequentist uninformative-prior correlation matlab cross-correlation

3

Distanza di Mahalanobis tramite PCA quando

Ho una matrice , dove è il numero di geni e è il numero di pazienti. Chiunque abbia lavorato con tali dati sa che è sempre più grande di . Usando la selezione delle funzioni ho ridotto a un numero più ragionevole, tuttavia è ancora maggiore di .p n pn×pn×pn\times …

10 correlation pca genetics covariance distance-functions

2

Come trovare la matrice di covarianza di un poligono?

Immagina di avere un poligono definito da un insieme di coordinate e il suo centro di massa è a . Puoi considerare il poligono come una distribuzione uniforme con un confine poligonale. (x1,y1)...(xn,yn)(x1,y1)...(xn,yn)(x_1,y_1)...(x_n,y_n)(0,0)(0,0)(0,0) Sto seguendo un metodo che troverà la matrice di covarianza di un poligono . Sospetto che la …

9 pca covariance-matrix polygon

1

In che modo i bambini riescono a riunire i genitori in una proiezione PCA di un set di dati GWAS?

Prendi 20 punti casuali in uno spazio di 10.000 dimensioni con ciascuna coordinata iid da . Dividili in 10 coppie ("coppie") e aggiungi la media di ciascuna coppia ("un figlio") al set di dati. Quindi esegui PCA sui 30 punti risultanti e traccia il PC1 contro il PC2.N(0,1)N(0,1)\mathcal N(0,1) Accade …

9 pca python high-dimensional genetics gwas

3

PCA troppo lento quando entrambi n, p sono grandi: alternative?

Impostazione del problema Ho punti dati (immagini) di alta dimensione (4096), che sto cercando di visualizzare in 2D. A tal fine, sto usando t-sne in un modo simile al seguente codice di esempio di Karpathy . La documentazione di scikit-learn consiglia di utilizzare PCA per ridurre prima la dimensione dei …

9 pca dimensionality-reduction high-dimensional java tsne

2

Comprensione di questo diagramma PCA delle vendite di gelati rispetto alla temperatura

Sto prendendo un dato fittizio sulla temperatura rispetto alle vendite di gelati e lo ho classificato usando K Keans (n cluster = 2) per distinguere 2 categorie (totalmente fittizio). Ora sto facendo un'analisi dei componenti principali su questi dati e il mio obiettivo è capire cosa vedo. So che l'obiettivo …

9 pca interpretation k-means dimensionality-reduction

2

Riduzione dimensionale scalabile

Considerando il numero di funzionalità costante, Barnes-Hut t-SNE ha una complessità di , proiezioni casuali e PCA hanno una complessità di che le rende "convenienti" per insiemi di dati molto grandi.O ( n )O(nlogn)O(nlog⁡n)O(n\log n)O(n)O(n)O(n) D'altra parte, i metodi basati sul ridimensionamento multidimensionale hanno una complessità .O ( n2)O(n2)O(n^2) Esistono …

9 pca dimensionality-reduction large-data multidimensional-scaling tsne

1

Cosa indica una forma a cuneo del diagramma PCA?

Nel loro documento sulla autoencoders per la classificazione di testo Hinton e Salakhutdinov dimostrato la trama prodotta da 2-dimensionale LSA (che è strettamente legata alla PCA): . Applicando la PCA a dati dimensionali leggermente diversi e assolutamente diversi ho ottenuto una trama dall'aspetto simile: (tranne in questo caso, volevo davvero …

9 data-visualization pca

3

Ruota i componenti PCA per uniformare la varianza in ciascun componente

Sto cercando di ridurre la dimensionalità e il rumore di un set di dati eseguendo PCA sul set di dati e gettando via gli ultimi PC. Dopodiché, voglio utilizzare alcuni algoritmi di apprendimento automatico sui PC rimanenti, e quindi voglio normalizzare i dati uniformando la varianza dei PC per far …

9 variance pca factor-rotation

3

Come posso dire che non ci sono schemi nei risultati della PCA?

Ho un set di dati 1000+ campioni di 19 variabili. Il mio obiettivo è prevedere una variabile binaria in base alle altre 18 variabili (binaria e continua). Sono abbastanza fiducioso che 6 delle variabili di previsione siano associate alla risposta binaria, tuttavia, vorrei analizzare ulteriormente il set di dati e …

9 pca

1

Come applicare la regressione sui componenti principali per prevedere una variabile di output?

Ho letto le basi dell'analisi dei componenti principali da tutorial1 , link1 e link2 . Ho un set di dati di 100 variabili (inclusa la variabile di output Y), voglio ridurre le variabili a 40 tramite PCA e quindi prevedere la variabile Y utilizzando quelle 40 variabili. Problema 1: dopo …

9 regression pca

1

Perché i punteggi dei componenti principali non sono correlati?

Supose è una matrice di dati centrati sulla media. La matrice è , ha autovalori distinti e autovettori , ... , che sono ortogonali.UNA\mathbf AS =cov( A )S=COV(UN)\mathbf S=\text{cov}(\mathbf A)m × mm×mm\times mmmmS1S1\mathbf s_1S2S2\mathbf s_2SmSm\mathbf s_m L' -esimo componente principale (alcune persone li chiamano "punteggi") è il vettore . In …

9 correlation pca linear-algebra

2

Conclusioni dall'output di un'analisi della componente principale

Sto cercando di comprendere l'output dell'analisi dei componenti principali eseguita come segue: > head(iris) Sepal.Length Sepal.Width Petal.Length Petal.Width Species 1 5.1 3.5 1.4 0.2 setosa 2 4.9 3.0 1.4 0.2 setosa 3 4.7 3.2 1.3 0.2 setosa 4 4.6 3.1 1.5 0.2 setosa 5 5.0 3.6 1.4 0.2 setosa 6 …

9 r pca interpretation

Domande taggate «pca»