Statistiche e Big Data pca

1

Qual è la differenza tra PCA normale e PCA probabilistico?

So che il normale PCA non segue il modello probabilistico per i dati osservati. Qual è la differenza di base tra PCA e PPCA ? Nel modello di variabile latente PPCA contiene ad esempio le variabili osservate , latente (variabili non osservate ) e una matrice che non deve essere …

15 pca

2

Creazione di un singolo indice da diversi componenti principali o fattori mantenuti da PCA / FA

Sto usando l'analisi dei componenti principali (PCA) per creare un indice richiesto per la mia ricerca. La mia domanda è come dovrei creare un singolo indice utilizzando i componenti principali mantenuti calcolati tramite PCA. Ad esempio, ho deciso di conservare 3 componenti principali dopo aver utilizzato PCA e ho calcolato …

15 pca factor-analysis rating composite scale-construction

1

Regressione nell'impostazione

Sto cercando di vedere se scegliere regressione della cresta , LASSO , regressione del componente principale (PCR) o Minimi quadrati parziali (PLS) in una situazione in cui vi sono un gran numero di variabili / caratteristiche ( ) e un numero minore di campioni ( ) e il mio obiettivo …

15 regression pca lasso ridge-regression partial-least-squares

3

Quali sono le differenze tra analisi semantica latente (LSA), indicizzazione semantica latente (LSI) e decomposizione a valore singolare (SVD)?

Questi termini vengono spesso messi insieme, ma vorrei sapere quali pensi siano le differenze, se ce ne sono. Grazie

15 pca text-mining svd

5

È possibile utilizzare la regressione multipla per prevedere un componente principale (PC) da diversi altri PC?

Qualche tempo fa un utente nella mailing list di R-help ha chiesto in merito alla validità dell'utilizzo dei punteggi PCA in una regressione. L'utente sta cercando di utilizzare alcuni punteggi del PC per spiegare la variazione in un altro PC (vedere la discussione completa qui ). La risposta è stata …

15 regression pca

1

C'è una quantità richiesta di varianza acquisita dal PCA per fare analisi successive?

Ho un set di dati con 11 variabili e PCA (ortogonale) è stato fatto per ridurre i dati. Decidere il numero di componenti da mantenere era evidente per me dalle mie conoscenze sull'argomento e sulla trama del ghiaione (vedi sotto) che due componenti principali (PC) erano sufficienti per spiegare i …

15 variance pca

1

Quale metodo di confronto multiplo utilizzare per un modello lmer: lsmeans o glht?

Sto analizzando un set di dati usando un modello di effetti misti con un effetto fisso (condizione) e due effetti casuali (partecipante a causa del disegno e della coppia all'interno del soggetto). Il modello è stato generato conlme4 pacchetto: exp.model<-lmer(outcome~condition+(1|participant)+(1|pair),data=exp). Successivamente, ho eseguito un test del rapporto di verosimiglianza di …

15 r repeated-measures multiple-comparisons post-hoc lsmeans bayesian posterior marginal integral anova time-series regularization machine-learning pca computational-statistics references inference regression cross-validation python random-forest chi-squared spearman-rho r machine-learning confidence-interval bagging clustering feature-selection model-selection bic hypothesis-testing kurtosis r regression residuals terminology

1

Qual è il significato degli autovettori di una matrice di informazione reciproca?

Quando si osservano gli autovettori della matrice di covarianza, si ottengono le direzioni della massima varianza (il primo autovettore è la direzione in cui i dati variano maggiormente, ecc.); questo si chiama analisi dei componenti principali (PCA). Mi chiedevo cosa significherebbe guardare gli autovettori / i valori della matrice delle …

14 pca entropy mutual-information eigenvalues

1

Come si applica il "Teorema fondamentale dell'analisi fattoriale" alla PCA o come vengono definiti i caricamenti della PCA?

Attualmente sto esaminando un set di diapositive che ho per "analisi fattoriale" (per quanto ne so PCA). In esso viene derivato il "teorema fondamentale dell'analisi fattoriale" che afferma che la matrice di correlazione dei dati che vanno in analisi ( ) può essere recuperata usando la matrice di load factor …

14 pca factor-analysis terminology definition

2

Perché la sfericità diagnosticata dal test di Bartlett significa che un PCA è inappropriato?

Comprendo che il test di Bartlett si occupa di determinare se i campioni provengono da popolazioni con varianze uguali. Se i campioni provengono da popolazioni con varianze uguali, non riusciamo a respingere l'ipotesi nulla del test e pertanto un'analisi dei componenti principali è inappropriata. Non sono sicuro di dove si …

14 variance pca heteroscedasticity

4

Quali variabili spiegano quali componenti PCA e viceversa?

Utilizzando questi dati: head(USArrests) nrow(USArrests) Posso fare un PCA in questo modo: plot(USArrests) otherPCA <- princomp(USArrests) Posso ottenere i nuovi componenti otherPCA$scores e la percentuale di varianza spiegata dai componenti con summary(otherPCA) E se volessi sapere quali variabili sono principalmente spiegate da quali componenti principali? E viceversa: ad esempio PC1 …

14 r pca dimensionality-reduction regression-strategies

1

Cosa significano le frecce in un biplot PCA?

Considera il seguente biplot PCA: library(mvtnorm) set.seed(1) x <- rmvnorm(2000, rep(0, 6), diag(c(5, rep(1,5)))) x <- scale(x, center=T, scale=F) pc <- princomp(x) biplot(pc) Ci sono un sacco di frecce rosse tracciate, cosa significano? Sapevo che la prima freccia etichettata con "Var1" dovrebbe indicare la direzione più variabile del set di …

14 r pca linear-algebra biplot

3

Come posso interpretare ciò che ottengo da PCA?

Come parte di un incarico universitario, devo condurre una pre-elaborazione dei dati su un set di dati non elaborati abbastanza grande (> 10). Non sono uno statistico in alcun senso della parola, quindi sono un po 'confuso su ciò che sta succedendo. Mi scuso in anticipo per quella che è …

14 pca

2

Posso usare il CLR (trasformazione centrata del rapporto log) per preparare i dati per PCA?

Sto usando una sceneggiatura. È per i record di base. Ho un dataframe che mostra le diverse composizioni elementali nelle colonne su una data profondità (nella prima colonna). Voglio eseguire un PCA con esso e sono confuso riguardo al metodo di standardizzazione che devo scegliere. Qualcuno di voi ha usato …

13 r pca normalization compositional-data

1

Perché Daniel Wilks (2011) afferma che la regressione della componente principale "sarà di parte"?

In Metodi statistici nelle scienze atmosferiche , Daniel Wilks osserva che la regressione lineare multipla può portare a problemi se ci sono intercorrelazioni molto forti tra i predittori (3a edizione, pagina 559-560): Una patologia che può verificarsi in una regressione lineare multipla è che un insieme di variabili predittive con …

13 regression pca bias

Domande taggate «pca»