Statistiche e Big Data pca

4

Cosa rende il kernel gaussiano così magico per PCA e anche in generale?

Stavo leggendo del kernel PCA ( 1 , 2 , 3 ) con kernel gaussiani e polinomiali. In che modo il kernel gaussiano separa apparentemente eccezionalmente bene qualsiasi tipo di dati non lineari? Si prega di fornire un'analisi intuitiva, oltre a una matematicamente coinvolta, se possibile. Qual è una proprietà …

67 machine-learning pca svm kernel-trick

8

La PCA è seguita da una rotazione (come varimax) è ancora PCA?

Ho provato a riprodurre alcune ricerche (usando PCA) da SPSS in R. Nella mia esperienza, la principal() funzione dal pacchetto è psychstata l'unica funzione che si è avvicinata (o se la mia memoria mi serve bene, esaurita) per abbinare l'output. Per abbinare gli stessi risultati di SPSS, ho dovuto usare …

63 r spss pca factor-analysis factor-rotation

5

Qual è la relazione tra k-mean clustering e PCA?

È pratica comune applicare PCA (analisi dei componenti principali) prima di un algoritmo di clustering (come k-medie). Si ritiene che in pratica migliori i risultati del clustering (riduzione del rumore). Tuttavia, sono interessato a uno studio comparativo e approfondito della relazione tra PCA e k-medie. Ad esempio, Chris Ding e …

61 clustering pca k-means

2

Qual è la differenza tra lo sbiancamento ZCA e lo sbiancamento PCA?

Sono confuso circa lo sbiancamento ZCA e lo sbiancamento normale (che si ottiene dividendo i componenti principali per le radici quadrate degli autovalori PCA). Per quanto ne so, xZCAwhite=UxPCAwhite,xZCAwhite=UxPCAwhite,\mathbf x_\mathrm{ZCAwhite} = \mathbf U \mathbf x_\mathrm{PCAwhite}, dove sono autovettori PCA.UU\mathbf U Quali sono gli usi dello sbiancamento ZCA? Quali sono le …

60 pca dimensionality-reduction image-processing

4

Quali sono le differenze tra PCA e autoencoder?

Sia PCA che autoencoder possono ridurre la demensione, quindi quali sono le differenze? In quale situazione dovrei usare l'uno sull'altro?

56 machine-learning pca neural-networks autoencoders

9

Raccomandazione di libri statistici avanzati

In questo sito ci sono molti thread per consigli sui libri sulle statistiche introduttive e sull'apprendimento automatico, ma sto cercando un testo sulle statistiche avanzate che includa, in ordine di priorità: massima probabilità, modelli lineari generalizzati, analisi dei componenti principali, modelli non lineari . Ho provato i modelli statistici di …

55 generalized-linear-model pca maximum-likelihood references saddlepoint-approximation

3

Utilizzo dell'analisi dei componenti principali (PCA) per la selezione delle funzionalità

Sono nuovo nella selezione delle funzionalità e mi chiedevo come avresti usato PCA per eseguire la selezione delle funzionalità. PCA calcola un punteggio relativo per ciascuna variabile di input che è possibile utilizzare per filtrare le variabili di input non informative? Fondamentalmente, voglio essere in grado di ordinare le caratteristiche …

54 r pca feature-selection

7

Il miglior algoritmo PCA per un numero enorme di funzionalità (> 10 K)?

In precedenza l'ho chiesto su StackOverflow, ma sembra che qui potrebbe essere più appropriato, dato che non ha ricevuto risposte su SO. È una specie di incrocio tra statistica e programmazione. Ho bisogno di scrivere un po 'di codice per fare PCA (Analisi dei componenti principali). Ho sfogliato i noti …

54 pca algorithms model-evaluation high-dimensional

5

Qual è una spiegazione intuitiva di come PCA passa da un problema geometrico (con le distanze) a un problema di algebra lineare (con autovettori)?

Ho letto molto su PCA, compresi vari tutorial e domande (come questo , questo , questo e questo ). Il problema geometrico che PCA sta cercando di ottimizzare è chiaro per me: PCA cerca di trovare il primo componente principale minimizzando l'errore di ricostruzione (proiezione), che massimizza simultaneamente la varianza …

54 pca optimization linear-algebra intuition

3

Interpretazione del predittore e / o della risposta trasformati in tronchi

Mi chiedo se fa differenza nell'interpretazione se solo le variabili dipendenti, dipendenti e indipendenti, o solo le variabili indipendenti, vengono trasformate in log. Considera il caso di log(DV) = Intercept + B1*IV + Error Posso interpretare il IV come l'aumento percentuale, ma come cambia quando lo faccio log(DV) = Intercept …

46 regression data-transformation interpretation regression-coefficients logarithm r dataset stata hypothesis-testing contingency-tables hypothesis-testing statistical-significance standard-deviation unbiased-estimator t-distribution r functional-data-analysis maximum-likelihood bootstrap regression change-point regression sas hypothesis-testing bayesian randomness predictive-models nonparametric terminology parametric correlation effect-size loess mean pdf quantile-function bioinformatics regression terminology r-squared pdf maximum multivariate-analysis references data-visualization r pca r mixed-model lme4-nlme distributions probability bayesian prior anova chi-squared binomial generalized-linear-model anova repeated-measures t-test post-hoc clustering variance probability hypothesis-testing references binomial profile-likelihood self-study excel data-transformation skewness distributions statistical-significance econometrics spatial r regression anova spss linear-model

3

Qual è la funzione obiettiva di PCA?

L'analisi dei componenti principali può utilizzare la decomposizione della matrice, ma questo è solo uno strumento per arrivarci. Come troveresti i componenti principali senza l'uso dell'algebra matriciale? Qual è la funzione obiettivo (obiettivo) e quali sono i vincoli?

42 pca

1

Come determinare componenti principali significativi usando il bootstrap o l'approccio Monte Carlo?

Sono interessato a determinare il numero di modelli significativi che emergono da un'analisi della componente principale (PCA) o dell'analisi della funzione ortogonale empirica (EOF). Sono particolarmente interessato ad applicare questo metodo ai dati climatici. Il campo dati è una matrice MxN con M come dimensione temporale (ad esempio giorni) e …

40 r pca bootstrap monte-carlo

1

In che modo la centratura dei dati elimina l'intercettazione in regressione e PCA?

Continuo a leggere sui casi in cui centriamo i dati (ad esempio, con regolarizzazione o PCA) al fine di rimuovere l'intercettazione (come indicato in questa domanda ). So che è semplice, ma sto facendo fatica a comprenderlo intuitivamente. Qualcuno potrebbe fornire l'intuizione o un riferimento che posso leggere?

40 regression pca centering

3

Ci sono casi in cui PCA è più adatto di t-SNE?

Voglio vedere come 7 misure del comportamento di correzione del testo (tempo impiegato per correggere il testo, numero di sequenze di tasti, ecc.) Si relazionano tra loro. Le misure sono correlate. Ho eseguito un PCA per vedere come le misure proiettavano su PC1 e PC2, evitando così la sovrapposizione dell'esecuzione …

39 pca tsne

3

PCA funzionerebbe con tipi di dati booleani (binari)?

Voglio ridurre la dimensionalità dei sistemi di ordine superiore e catturare la maggior parte della covarianza su un campo preferibilmente bidimensionale o monodimensionale. Capisco che ciò può essere fatto tramite l'analisi dei componenti principali e ho usato PCA in molti scenari. Tuttavia, non l'ho mai usato con tipi di dati …

38 pca data-visualization binary-data dimensionality-reduction correspondence-analysis

Domande taggate «pca»