Pertanyaan yang diberi tag «canonical-correlation»

Analisis korelasi kanonik (CCA) adalah teknik yang terkait dengan analisis komponen utama (PCA). Meskipun mudah untuk mengajarkan PCA atau regresi linier menggunakan plot pencar (lihat beberapa ribu contoh di pencarian gambar google), saya belum melihat contoh dua dimensi intuitif yang serupa untuk CCA. Bagaimana menjelaskan secara visual apa yang dilakukan …

70 regression  data-visualization  pca  canonical-correlation  geometry 

Bagaimana PCA, LDA, CCA, dan PLS terkait? Mereka semua tampak "spektral" dan aljabar linier dan sangat dipahami (katakanlah 50+ tahun teori dibangun di sekitar mereka). Mereka digunakan untuk hal-hal yang sangat berbeda (PCA untuk pengurangan dimensi, LDA untuk klasifikasi, PLS untuk regresi) tetapi masih mereka merasa sangat erat terkait.

26 pca  discriminant-analysis  partial-least-squares  canonical-correlation 

Apakah ada hubungan antara regresi dan analisis diskriminan linier (LDA)? Apa persamaan dan perbedaan mereka? Apakah ada bedanya jika ada dua kelas atau lebih dari dua kelas?

24 regression  logistic  discriminant-analysis  canonical-correlation  reduced-rank-regression 

Pada artikel ini , penulis menghubungkan analisis diskriminan linier (LDA) ke analisis komponen utama (PCA). Dengan pengetahuan saya yang terbatas, saya tidak bisa mengikuti bagaimana LDA bisa agak mirip dengan PCA. Saya selalu berpikir bahwa LDA adalah bentuk algoritma klasifikasi, mirip dengan regresi logistik. Saya akan menghargai bantuan dalam memahami …

19 classification  pca  dimensionality-reduction  discriminant-analysis  canonical-correlation 

Analisis korelasi kanonik (CCA) bertujuan untuk memaksimalkan korelasi product-moment Pearson yang biasa (yaitu koefisien korelasi linier) dari kombinasi linear dari dua set data. Sekarang, pertimbangkan fakta bahwa koefisien korelasi ini hanya mengukur asosiasi linier - ini adalah alasan mengapa kami juga menggunakan, misalnya, koefisien korelasi Spearman- atau Kendall- τ yang …

15 multivariate-analysis  data-transformation  spearman-rho  kendall-tau  canonical-correlation 

Membaca Wikipedia tentang analisis korelasi kanonik (CCA) untuk dua vektor acak dan , saya bertanya-tanya apakah komponen utama analisis (PCA) sama dengan CCA ketika ?Y X = YXXXYYYX= YX=YX=Y

9 pca  multivariate-analysis  canonical-correlation 

Diberi dua dataset multidimensi, XXX dan YYY, beberapa orang melakukan analisis multivariabel dengan membangun variabel dependen pengganti menggunakan analisis komponen utama (PCA). Yaitu, jalankan PCAYYY atur, ambil skor di sepanjang komponen pertama y′y′y', dan jalankan regresi berganda untuk skor tersebut di XXX: y′=βX+ϵy′=βX+ϵy' = \beta X+\epsilon. (Saya mendasarkan pertanyaan saya …

9 regression  multiple-regression  pca  canonical-correlation 

Saya memiliki data yang menggambarkan seberapa sering suatu peristiwa berlangsung selama satu jam ("angka per jam", nph) dan berapa lama acara berlangsung ("durasi dalam detik per jam", dph). Ini adalah data asli: nph <- c(2.50000000003638, 3.78947368414551, 1.51456310682008, 5.84686774940732, 4.58823529414907, 5.59999999993481, 5.06666666666667, 11.6470588233699, 1.99999999998209, NA, 4.46153846149851, 18, 1.05882352939726, 9.21739130425452, 27.8399999994814, 15.3750000002237, …

8 normal-distribution  data-transformation  logistic  generalized-linear-model  ridge-regression  t-test  wilcoxon-signed-rank  paired-data  naive-bayes  distributions  logistic  goodness-of-fit  time-series  eviews  ecm  panel-data  reliability  psychometrics  validity  cronbachs-alpha  self-study  random-variable  expected-value  median  regression  self-study  multiple-regression  linear-model  forecasting  prediction-interval  normal-distribution  excel  bayesian  multivariate-analysis  modeling  predictive-models  canonical-correlation  rbm  time-series  machine-learning  neural-networks  fishers-exact  factorisation-theorem  svm  prediction  linear  reinforcement-learning  cdf  probability-inequalities  ecdf  time-series  kalman-filter  state-space-models  dynamic-regression  index-decomposition  sampling  stratification  cluster-sample  survey-sampling  distributions  maximum-likelihood  gamma-distribution