Statistiche e Big Data pca

1

Cosa sta facendo PCA con i dati autocorrelati?

Solo perché alcuni corrispondenti hanno posto una domanda interessante riguardo ai metodi di calcolo dell'autocorrelazione, ho iniziato a giocarci, quasi senza alcuna conoscenza delle serie temporali e dell'autocorrelazione. Il corrispondente ha organizzato i suoi dati ( punti dati di una serie temporale) spostati di un intervallo di tempo ciascuno in …

9 time-series pca

1

Quali criteri utilizzare per separare le variabili in variabili esplicative e le risposte ai metodi di ordinazione in ecologia?

Ho diverse variabili che interagiscono all'interno di una popolazione. Fondamentalmente ho fatto un inventario di millepiedi e misurato alcuni altri valori del terreno, come: Le specie e la quantità di esemplari raccolti I diversi ambienti in cui si trovano gli animali il pH La percentuale di materiale organico la quantità …

9 pca multivariate-analysis ecology correspondence-analysis

3

L'ICA richiede prima di eseguire PCA?

Ho esaminato un documento basato sull'applicazione dicendo che l'applicazione di PCA prima di applicare l'ICA (usando il pacchetto fastICA). La mia domanda è: ICA (fastICA) richiede che PCA sia eseguito per primo? Questo documento lo ha menzionato ... si sostiene anche che la pre-applicazione della PCA migliora le prestazioni ICA …

9 pca dimensionality-reduction pattern-recognition ica

4

Tecnica non ortogonale analoga alla PCA

Supponiamo che io abbia un set di dati di punti 2D e che voglia rilevare le direzioni di tutti i massimi di varianza locali nei dati, ad esempio: PCA non aiuta in questa situazione in quanto si tratta di una decomposizione ortogonale e pertanto non è in grado di rilevare …

9 pca dimensionality-reduction

2

Selezione del numero di componenti principali sparsi da includere nella regressione

Qualcuno ha esperienza con gli approcci per selezionare il numero di componenti principali sparsi da includere in un modello di regressione?

9 pca sparse regression-strategies

1

Utilizzo dell'analisi dei componenti principali e dell'analisi della corrispondenza

Sto analizzando un set di dati relativo alle comunità intertidali. I dati sono percentuale di copertura (di alghe, cirripedi, cozze, ecc.) In quadrat. Sono abituato a pensare all'analisi della corrispondenza (CA) in termini di conteggio delle specie e all'analisi dei componenti principali (PCA) come qualcosa di più utile per le …

9 r pca multivariate-analysis correspondence-analysis

1

Il CCA tra due set di dati identici equivale al PCA in questo set di dati?

Leggendo Wikipedia sull'analisi di correlazione canonica (CCA) per due vettori casuali e , mi chiedevo se l'ansiosi componente principale (PCA) è la stessa di CCA quando ?Y X = YXXXYYYX= YX=YX=Y

9 pca multivariate-analysis canonical-correlation

1

Dati discreti e alternative alla PCA

Ho un set di dati di variabili discrete (ordinali, meristiche e nominali) che descrivono i caratteri morfologici delle ali su diverse specie di insetti strettamente correlate. Quello che sto cercando di fare è condurre una sorta di analisi che mi darebbe una rappresentazione visiva della somiglianza delle diverse specie in …

9 pca discrete-data correspondence-analysis mixed-type-data

2

Variabili distorte nell'analisi PCA o dei fattori

Voglio fare l'analisi dei componenti principali (analisi dei fattori) su SPSS sulla base di 22 variabili. Tuttavia, alcune delle mie variabili sono molto distorte (l'asimmetria calcolata dagli intervalli SPSS da 2 a 80!). Quindi, ecco le mie domande: Devo mantenere le variabili oblique in questo modo o posso trasformare le …

9 pca factor-analysis dimensionality-reduction skewness

2

Perché la quantità di varianza è spiegata dal mio 1 ° PC così vicino alla correlazione media a coppie?

Qual è la relazione tra i primi componenti principali e la correlazione media nella matrice di correlazione? Ad esempio, in un'applicazione empirica osservo che la correlazione media è quasi uguale al rapporto tra la varianza del primo componente principale (primo autovalore) e la varianza totale (somma di tutti gli autovalori). …

9 correlation pca mathematical-statistics eigenvalues

1

Come confrontare gli eventi osservati con quelli previsti?

Supponiamo di avere un campione di frequenze di 4 possibili eventi: Event1 - 5 E2 - 1 E3 - 0 E4 - 12 e ho le probabilità attese dei miei eventi: p1 - 0.2 p2 - 0.1 p3 - 0.1 p4 - 0.6 Con la somma delle frequenze osservate dei …

9 r statistical-significance chi-squared multivariate-analysis exponential joint-distribution statistical-significance self-study standard-deviation probability normal-distribution spss interpretation assumptions cox-model reporting cox-model statistical-significance reliability method-comparison classification boosting ensemble adaboost confidence-interval cross-validation prediction prediction-interval regression machine-learning svm regularization regression sampling survey probit matlab feature-selection information-theory mutual-information time-series forecasting simulation classification boosting ensemble adaboost normal-distribution multivariate-analysis covariance gini clustering text-mining distance-functions information-retrieval similarities regression logistic stata group-differences r anova confidence-interval repeated-measures r logistic lme4-nlme inference fiducial kalman-filter classification discriminant-analysis linear-algebra computing statistical-significance time-series panel-data missing-data uncertainty probability multivariate-analysis r classification spss k-means discriminant-analysis poisson-distribution average r random-forest importance probability conditional-probability distributions standard-deviation time-series machine-learning online forecasting r pca dataset data-visualization bayes distributions mathematical-statistics degrees-of-freedom

1

Quando scegliere PCA vs. LSA / LSI

Domanda: Esistono linee guida generali in merito alle caratteristiche dei dati di input, che possono essere utilizzate per decidere tra l'applicazione di PCA rispetto a LSA / LSI? Breve riassunto di PCA vs. LSA / LSI: Principle Component Analysis (PCA) e Latent Semantic Analysis (LSA) o Latent Semantic Indexing (LSI) …

9 machine-learning pca lsa

1

Come interpretare i risultati della riduzione dimensionale / ridimensionamento multidimensionale?

Ho eseguito sia una decomposizione SVD che un ridimensionamento multidimensionale di una matrice di dati 6-dimensionale, al fine di comprendere meglio la struttura dei dati. Sfortunatamente, tutti i valori singolari sono dello stesso ordine, il che implica che la dimensionalità dei dati è davvero 6. Tuttavia, vorrei essere in grado …

9 pca interpretation dimensionality-reduction svd

2

Come trovare relazioni tra diversi tipi di eventi (definiti dalla loro posizione 2D)?

Ho un set di dati di eventi accaduti durante lo stesso periodo di tempo. Ogni evento ha un tipo (ci sono pochi tipi diversi, meno di dieci) e una posizione, rappresentata come un punto 2D. Vorrei verificare l'esistenza di una correlazione tra i tipi di eventi o tra il tipo …

9 correlation pca multivariate-analysis point-process

2

È possibile utilizzare il kernel PCA per la selezione delle funzionalità?

È possibile utilizzare l'analisi dei componenti principali del kernel (kPCA) per Latent Semantic Indexing (LSI) nello stesso modo in cui viene utilizzata la PCA? Eseguo LSI in R usando la prcompfunzione PCA ed estraggo le funzionalità con i caricamenti più alti dai primi componenti. Con ciò ottengo le caratteristiche che …

9 r pca feature-selection kernel-trick

Domande taggate «pca»