Pertanyaan yang diberi tag «pca»

Saya memiliki satu set data yang terdiri dari sampel berlabel 15K (dari 10 grup). Saya ingin menerapkan pengurangan dimensi menjadi 2 dimensi, yang akan mempertimbangkan pengetahuan label. Ketika saya menggunakan teknik reduksi dimensionalitas tanpa pengawasan "standar" seperti PCA, plot sebar tampaknya tidak ada hubungannya dengan label yang dikenal. Apakah yang …

13 machine-learning  pca  dimensionality-reduction  supervised-learning  discriminant-analysis 

Sejauh yang saya mengerti, komponen utama diperoleh dengan memutar sumbu koordinat untuk menyelaraskannya dengan arah varian maksimum. Namun demikian, saya terus membaca tentang "komponen utama yang tidak diputar" dan perangkat lunak statistik saya (SAS) memberi saya komponen utama yang diputar-varimax serta komponen yang tidak diputar. Di sini saya bingung: ketika …

13 pca  terminology  factor-rotation 

Saya tahu bahwa pemilihan fitur dan pengurangan dimensi bertujuan mengurangi jumlah fitur dalam set fitur asli. Apa perbedaan yang tepat antara keduanya jika kita melakukan hal yang sama pada keduanya?

13 machine-learning  pca  feature-selection  dimensionality-reduction 

Saat membaca tentang PCA, saya menemukan penjelasan berikut: Misalkan kita memiliki kumpulan data di mana setiap titik data mewakili skor siswa tunggal pada tes matematika, tes fisika, tes membaca pemahaman, dan tes kosa kata. Kami menemukan dua komponen utama pertama, yang menangkap 90% variabilitas dalam data, dan menginterpretasikan pemuatannya. Kami …

13 pca 

Saya bekerja di R melalui tutorial PCA yang sangat baik oleh Lindsay I Smith dan saya terjebak di tahap terakhir. Script R di bawah ini membawa kita ke tahap (pada hal.19) di mana data asli sedang direkonstruksi dari Komponen Utama (tunggal dalam hal ini), yang akan menghasilkan plot garis lurus …

13 r  pca 

Saya sering digunakan untuk mendiagnosis data multivariat menggunakan PCA (data omics dengan ratusan ribu variabel dan puluhan atau ratusan sampel). Data sering berasal dari eksperimen dengan beberapa variabel bebas kategorikal yang mendefinisikan beberapa kelompok, dan saya sering harus melalui beberapa komponen sebelum saya dapat menemukan komponen yang menunjukkan pemisahan antara …

13 pca  linear-model  r-squared  discriminant-analysis 

Saya menjalankan PCA pada 25 variabel dan memilih 7 PC teratas menggunakan prcomp. prc <- prcomp(pollutions, center=T, scale=T, retx=T) Saya kemudian melakukan rotasi varimax pada komponen-komponen itu. varimax7 <- varimax(prc$rotation[,1:7]) Dan sekarang saya ingin varimax memutar data yang diputar PCA (karena ini bukan bagian dari objek varimax - hanya matriks …

13 r  pca  factor-rotation 

Jika saya membuat matriks 2-D yang seluruhnya terdiri dari data acak, saya berharap komponen PCA dan SVD pada dasarnya tidak menjelaskan apa-apa. Sebaliknya, sepertinya kolom SVD pertama muncul untuk menjelaskan 75% dari data. Bagaimana ini bisa terjadi? Apa yang saya lakukan salah? Ini plotnya: Berikut adalah kode R: set.seed(1) rm(list=ls()) …

13 r  pca  svd 

Apakah masuk akal untuk melakukan PCA sebelum melakukan Klasifikasi Hutan Acak? Saya berurusan dengan data teks dimensi tinggi, dan saya ingin melakukan pengurangan fitur untuk membantu menghindari kutukan dimensi, tetapi bukankah Random Forests sudah melakukan semacam pengurangan dimensi?

13 classification  pca  random-forest  dimensionality-reduction  high-dimensional 

"Machine Learning For Hackers" O'Reilly mengatakan bahwa setiap komponen utama mewakili persentase perbedaan. Saya mengutip bagian yang relevan dari halaman di bawah ini (bab 8, hal.207). Berbicara dengan ahli lain, mereka sepakat itu persentase. Namun 24 komponen berjumlah 133,2095%. Bagaimana itu bisa terjadi? Setelah meyakinkan diri sendiri bahwa kita dapat …

13 r  pca 

Saya memiliki 3 percobaan masing-masing pada 87 hewan di masing-masing 2 konteks (beberapa data yang hilang; tidak ada data yang hilang = 64 hewan). Dalam konteks, saya memiliki banyak langkah-langkah khusus (waktu untuk masuk, beberapa kali kembali ke tempat tinggal, dll), jadi saya ingin mengembangkan 2 sampai 3 skor perilaku …

13 repeated-measures  pca  dimensionality-reduction 

Saya menggunakan Dekomposisi Nilai Singular sebagai teknik reduksi dimensi. Mengingat Nvektor dimensiD , idenya adalah untuk mewakili fitur-fitur dalam ruang yang ditransformasi dari dimensi yang tidak berkorelasi, yang memadatkan sebagian besar informasi data dalam vektor eigen ruang ini dalam urutan kepentingan yang menurun. Sekarang saya mencoba menerapkan prosedur ini ke …

13 time-series  machine-learning  pca  data-transformation  multivariate-analysis 

Saya telah menggunakan model tuning caret, tetapi kemudian menjalankan kembali model menggunakan gbmpaket. Ini adalah pemahaman saya bahwa caretpaket menggunakan gbmdan hasilnya harus sama. Namun, hanya menjalankan tes cepat menggunakan data(iris)menunjukkan perbedaan dalam model sekitar 5% menggunakan RMSE dan R ^ 2 sebagai metrik evaluasi. Saya ingin menemukan kinerja model …

13 r  caret  gbm  matrix  linear-algebra  logistic  modeling  logit  ordered-logit  r  confidence-interval  survival  population  weibull  classification  separation  hypothesis-testing  correlation  statistical-significance  p-value  python  r  data-visualization  r  regression  multiple-regression  chi-squared  multivariate-analysis  distributions  random-variable  experiment-design  distributions  poisson-regression  residuals  excel  time-series  garch  var  survival  modeling  cox-model  interaction  r  pca  normality-assumption 

Saya ingin menerapkan PCA pada dataset, yang terdiri dari variabel tipe campuran (kontinu dan biner). Untuk mengilustrasikan prosedur ini, saya menempelkan contoh minimal yang dapat direproduksi dalam R di bawah ini. # Generate synthetic dataset set.seed(12345) n <- 100 x1 <- rnorm(n) x2 <- runif(n, -2, 2) x3 <- x1 …

13 r  pca 

Saya mencoba untuk menulis fungsi saya sendiri untuk analisis komponen utama, PCA (tentu saja sudah banyak yang ditulis tetapi saya hanya tertarik untuk mengimplementasikan hal-hal sendiri). Masalah utama yang saya temui adalah langkah validasi silang dan menghitung prediksi jumlah kuadrat (PRESS). Tidak masalah validasi silang mana yang saya gunakan, itu …

13 pca  cross-validation  matlab