Statistiche e Big Data pca

1

Analisi PCA e corrispondenza nella loro relazione con il biplot

Il biplot viene spesso utilizzato per visualizzare i risultati dell'analisi dei componenti principali (e delle relative tecniche). È un grafico a dispersione doppio o overlay che mostra i caricamenti e i punteggi dei componenti contemporaneamente. Oggi sono stato informato da @amoeba che ha dato una risposta partendo dal mio commento …

38 pca multivariate-analysis svd correspondence-analysis biplot

2

In che modo l'analisi fattoriale spiega la covarianza mentre la PCA spiega la varianza?

Ecco una citazione dal libro di "Pattern Recognition and Machine Learning" di Bishop, sezione 12.2.4 "Analisi dei fattori": Secondo la parte evidenziata, l'analisi fattoriale cattura la covarianza tra variabili nella matrice WWW . Mi chiedo come ? Ecco come lo capisco. Supponiamo che xxx sia la variabile ppp dimensionale osservata …

37 pca factor-analysis geometry

3

Il segno dei punteggi o dei caricamenti in PCA o FA ha un significato? Posso invertire il segno?

Ho eseguito l'analisi dei componenti principali (PCA) con R usando due diverse funzioni ( prcompe princomp) e ho osservato che i punteggi PCA differivano nel segno. Come può essere? Considera questo: set.seed(999) prcomp(data.frame(1:10,rnorm(10)))$x PC1 PC2 [1,] -4.508620 -0.2567655 [2,] -3.373772 -1.1369417 [3,] -2.679669 1.0903445 [4,] -1.615837 0.7108631 [5,] -0.548879 0.3093389 …

37 r pca factor-analysis

3

Linearità della PCA

La PCA è considerata una procedura lineare, tuttavia: P C A ( X) ≠ P C A ( X1) + P C A ( X2) + … + P C A ( Xn) ,PCUN(X)≠PCUN(X1)+PCUN(X2)+...+PCUN(Xn),\mathrm{PCA}(X)\neq \mathrm{PCA}(X_1)+\mathrm{PCA}(X_2)+\ldots+\mathrm{PCA}(X_n), dove . Ciò significa che gli autovettori ottenuti dai PCA sulle matrici di dati non …

35 pca linear

3

PCA e divisione treno / prova

Ho un set di dati per il quale ho più set di etichette binarie. Per ogni set di etichette, alleno un classificatore, valutandolo per convalida incrociata. Voglio ridurre la dimensionalità utilizzando l'analisi dei componenti principali (PCA). La mia domanda è: È possibile eseguire il PCA una volta per l'intero set …

35 machine-learning classification pca cross-validation

3

Perché t-SNE non viene utilizzato come tecnica di riduzione della dimensionalità per il clustering o la classificazione?

In un recente incarico, ci è stato detto di utilizzare PCA sulle cifre MNIST per ridurre le dimensioni da 64 (8 x 8 immagini) a 2. Abbiamo quindi dovuto raggruppare le cifre utilizzando un modello di miscela gaussiana. La PCA che utilizza solo 2 componenti principali non produce cluster distinti …

34 classification clustering pca dimensionality-reduction tsne

1

Qual è la ragione intuitiva alla base delle rotazioni in Factor Analysis / PCA e come selezionare la rotazione appropriata?

Le mie domande Qual è la ragione intuitiva alla base delle rotazioni dei fattori nell'analisi fattoriale (o dei componenti in PCA)? La mia comprensione è che se le variabili sono quasi ugualmente caricate nei componenti (o fattori) principali, ovviamente è difficile differenziare i componenti. Quindi in questo caso si potrebbe …

33 pca interpretation factor-analysis dimensionality-reduction factor-rotation

1

In che modo la PCA aiuterebbe con un'analisi del clustering di k-mean?

Contesto : desidero classificare le aree residenziali di una città in gruppi in base alle loro caratteristiche socio-economiche, tra cui densità dell'unità abitativa, densità della popolazione, area verde, prezzo delle abitazioni, numero di scuole / centri sanitari / centri diurni, ecc. Voglio capire in quanti gruppi diversi possono essere suddivise …

32 clustering pca k-means dimensionality-reduction

3

PCA sulla correlazione o covarianza: il PCA sulla correlazione ha mai senso? [chiuso]

Nell'analisi dei componenti principali (PCA), si può scegliere la matrice di covarianza o la matrice di correlazione per trovare i componenti (dai rispettivi autovettori). Questi danno risultati diversi (caricamenti e punteggi del PC), poiché gli autovettori tra le due matrici non sono uguali. La mia comprensione è che ciò è …

32 pca factor-analysis

1

Funzione obiettivo PCA: qual è la connessione tra massimizzare la varianza e minimizzare l'errore?

L'algoritmo PCA può essere formulato in termini di matrice di correlazione (supponiamo che i dati XXX già stati normalizzati e stiamo considerando solo la proiezione sul primo PC). La funzione obiettivo può essere scritta come: maxw( Xw )T( Xw )stwTw = 1.maxw(Xw)T(Xw)stwTw=1. \max_w (Xw)^T(Xw)\; \: \text{s.t.} \: \:w^Tw = 1. …

32 pca optimization

3

Costruire un autoencoder a Tensorflow per superare la PCA

Hinton e Salakhutdinov nel ridurre la dimensionalità dei dati con le reti neurali, Science 2006 ha proposto un PCA non lineare attraverso l'uso di un autoencoder profondo. Ho provato a costruire e addestrare un autoencoder PCA con Tensorflow diverse volte, ma non sono mai stato in grado di ottenere risultati …

31 pca python deep-learning tensorflow autoencoders

5

Rilevamento di predittori significativi tra molte variabili indipendenti

In un set di dati di due popolazioni non sovrapposte (pazienti e sani, totale ), vorrei trovare (su variabili indipendenti) predittori significativi per una variabile dipendente continua. La correlazione tra predittori è presente. Sono interessato a scoprire se qualcuno dei predittori è correlato alla variabile dipendente "in realtà" (piuttosto che …

31 regression pca feature-selection stepwise-regression underdetermined

1

Riduzione della dimensionalità (SVD o PCA) su una matrice ampia e sparsa

/ modifica: ulteriori follow-up ora è possibile utilizzare irlba :: prcomp_irlba / modifica: follow-up sul mio post. irlbaora ha argomenti "center" e "scale", che ti permettono di usarlo per calcolare i componenti principali, ad esempio: pc <- M %*% irlba(M, nv=5, nu=0, center=colMeans(M), right_only=TRUE)$v Ho una vasta gamma Matrixdi funzioni …

31 r pca dimensionality-reduction svd matrix-decomposition

3

Visualizzando un milione, edizione PCA

È possibile visualizzare l'output dell'analisi dei componenti principali in modo da fornire maggiori informazioni oltre alle semplici tabelle di riepilogo? È possibile farlo quando il numero di osservazioni è grande, diciamo ~ 1e4? Ed è possibile farlo in R [benvenuto in altri ambienti]?

31 r data-visualization pca biplot

4

Come eseguire la riduzione della dimensionalità con PCA in R

Ho un grande set di dati e voglio eseguire una riduzione di dimensionalità. Ora ovunque leggo che posso usare PCA per questo. Tuttavia, non riesco ancora a capire cosa fare dopo aver calcolato / eseguito il PCA. In R questo è facilmente eseguibile con il comando princomp. Ma cosa fare …

30 r pca

Domande taggate «pca»