Pertanyaan yang diberi tag «pca»

Saya memiliki GLMM formulir: lmer(present? ~ factor1 + factor2 + continuous + factor1*continuous + (1 | factor3), family=binomial) Ketika saya menggunakan drop1(model, test="Chi"), saya mendapatkan hasil yang berbeda daripada jika saya menggunakan Anova(model, type="III")dari paket mobil atau summary(model). Dua yang terakhir ini memberikan jawaban yang sama. Menggunakan banyak data yang …

10 r  anova  glmm  r  mixed-model  bootstrap  sample-size  cross-validation  roc  auc  sampling  stratification  random-allocation  logistic  stata  interpretation  proportion  r  regression  multiple-regression  linear-model  lm  r  cross-validation  cart  rpart  logistic  generalized-linear-model  econometrics  experiment-design  causality  instrumental-variables  random-allocation  predictive-models  data-mining  estimation  contingency-tables  epidemiology  standard-deviation  mean  ancova  psychology  statistical-significance  cross-validation  synthetic-data  poisson-distribution  negative-binomial  bioinformatics  sequence-analysis  distributions  binomial  classification  k-means  distance  unsupervised-learning  euclidean  correlation  chi-squared  spearman-rho  forecasting  excel  exponential-smoothing  binomial  sample-size  r  change-point  wilcoxon-signed-rank  ranks  clustering  matlab  covariance  covariance-matrix  normal-distribution  simulation  random-generation  bivariate  standardization  confounding  z-statistic  forecasting  arima  minitab  poisson-distribution  negative-binomial  poisson-regression  overdispersion  probability  self-study  markov-process  estimation  maximum-likelihood  classification  pca  group-differences  chi-squared  survival  missing-data  contingency-tables  anova  proportion 

Dalam PCA, nilai eigen menentukan urutan komponen. Di ICA saya menggunakan kurtosis untuk mendapatkan pemesanan. Apa saja metode yang diterima untuk menilai nomor, (mengingat saya memiliki urutan) komponen yang unik selain dari pengetahuan sebelumnya tentang sinyal?

10 statistical-significance  pca  kurtosis  ica 

Saya baru saja menjalankan FA menggunakan rotasi miring (promax) dan item menghasilkan pemuatan faktor 1,041 pada satu faktor, (dan pemuatan faktor -.131, -.119 dan .065 pada faktor-faktor lain menggunakan matriks pola ) . Dan saya tidak yakin apa artinya, saya pikir itu hanya antara -1 dan 1. Apakah karena rotasi …

10 pca  factor-analysis  factor-rotation 

Saya melakukan analisis Matlab pada data MRI di mana saya telah melakukan PCA pada matriks berukuran 10304x236 di mana 10304 adalah jumlah voxel (menganggapnya sebagai piksel) dan 236 adalah jumlah titik waktu. PCA memberi saya nilai Eigen 236 dan koefisien terkait mereka. Ini semua baik-baik saja Namun ketika tiba saatnya …

10 pca  eigenvalues  neuroimaging 

Saya memiliki dataset 50 sampel. Setiap sampel terdiri dari 11 (mungkin berkorelasi) fitur Boolean. Saya ingin beberapa cara memvisualisasikan sampel ini pada plot 2D dan memeriksa apakah ada cluster / pengelompokan di antara 50 sampel. Saya sudah mencoba dua pendekatan berikut: (a) Jalankan PCA pada matriks 50x11 dan pilih dua …

10 clustering  data-visualization  pca  k-means  spectral-analysis 

Christopher Bishop menulis dalam bukunya Pattern Recognition dan Machine Learning sebagai bukti, bahwa setiap komponen utama berturut-turut memaksimalkan varian proyeksi ke satu dimensi, setelah data diproyeksikan ke ruang ortogonal ke komponen yang sebelumnya dipilih. Lainnya menunjukkan bukti serupa. Namun, ini hanya membuktikan bahwa setiap komponen berturut-turut adalah proyeksi terbaik untuk …

10 machine-learning  variance  pca  dimensionality-reduction  eigenvalues 

Saya mencoba menyesuaikan model waktu-diskrit dalam R, tapi saya tidak yakin bagaimana melakukannya. Saya telah membaca bahwa Anda dapat mengatur variabel dependen dalam baris yang berbeda, satu untuk setiap pengamatan waktu, dan menggunakan glmfungsi dengan logit atau tautan cloglog. Dalam hal ini, saya memiliki tiga kolom: ID, Event(1 atau 0, …

10 r  survival  pca  sas  matlab  neural-networks  r  logistic  spatial  spatial-interaction-model  r  time-series  econometrics  var  statistical-significance  t-test  cross-validation  sample-size  r  regression  optimization  least-squares  constrained-regression  nonparametric  ordinal-data  wilcoxon-signed-rank  references  neural-networks  jags  bugs  hierarchical-bayesian  gaussian-mixture  r  regression  svm  predictive-models  libsvm  scikit-learn  probability  self-study  stata  sample-size  spss  wilcoxon-mann-whitney  survey  ordinal-data  likert  group-differences  r  regression  anova  mathematical-statistics  normal-distribution  random-generation  truncation  repeated-measures  variance  variability  distributions  random-generation  uniform  regression  r  generalized-linear-model  goodness-of-fit  data-visualization  r  time-series  arima  autoregressive  confidence-interval  r  time-series  arima  autocorrelation  seasonality  hypothesis-testing  bayesian  frequentist  uninformative-prior  correlation  matlab  cross-correlation 

Saya memiliki matriks , di mana p adalah jumlah gen dan n adalah jumlah pasien. Siapa pun yang bekerja dengan data tersebut tahu bahwa p selalu lebih besar dari n . Dengan menggunakan pemilihan fitur, saya mendapatkan p ke angka yang lebih masuk akal, namun p masih lebih besar dari …

10 correlation  pca  genetics  covariance  distance-functions 

jika diamati matriks data dan adalah variabel laten makaXXXYYY X=WY+μ+ϵX=WY+μ+ϵX=WY+\mu+\epsilon Di mana adalah rata-rata dari data yang diamati, dan adalah kesalahan Gaussian / noise dalam data, dan disebut subruang utama.μμ\muϵϵ\epsilonWWW Pertanyaan saya adalah ketika PCA biasa digunakan kita akan mendapatkan satu set ortonormal vektor eigen yang berikut benarEEE Y=EXY=EXY=EX Tetapi …

10 machine-learning  pca  latent-variable  eigenvalues 

Saya mengajar aljabar linier ke kelas insinyur, ilmuwan sosial, dan pemrogram komputer. Kami baru saja melakukan dekomposisi nilai singular, dan kami memiliki hari ekstra, jadi saya pikir saya akan berbicara tentang hubungan antara dekomposisi nilai singular dan analisis komponen utama. Saya memiliki bagian teori dari kuliah yang ditulis dengan baik, …

10 pca  dataset  teaching 

Bayangkan Anda memiliki poligon yang didefinisikan oleh seperangkat koordinat (x1,y1)...(xn,yn)(x1,y1)...(xn,yn)(x_1,y_1)...(x_n,y_n) dan pusat massanya adalah pada (0,0)(0,0)(0,0) . Anda dapat memperlakukan poligon sebagai distribusi seragam dengan batas poligon. Saya mencari metode yang akan menemukan matriks kovarian poligon . Saya menduga bahwa matriks kovarians poligon terkait erat dengan momen kedua dari area …

9 pca  covariance-matrix  polygon 

Ambil 20 titik acak dalam ruang 10.000 dimensi dengan setiap koordinat iid dari . Bagi mereka menjadi 10 pasangan ("pasangan") dan tambahkan rata-rata setiap pasangan ("anak") ke dataset. Kemudian lakukan PCA pada 30 poin yang dihasilkan dan plot PC1 vs PC2.N(0,1)N(0,1)\mathcal N(0,1) Suatu hal yang luar biasa terjadi: setiap "keluarga" …

9 pca  python  high-dimensional  genetics  gwas 

Pengaturan Masalah Saya memiliki titik data (gambar) dimensi tinggi (4096), yang saya coba visualisasikan dalam 2D. Untuk tujuan ini, saya menggunakan t-sne dengan cara yang mirip dengan kode contoh berikut oleh Karpathy . The scikit-belajar dokumentasi merekomendasikan menggunakan PCA untuk pertama menurunkan dimensi dari data: Sangat disarankan untuk menggunakan metode …

9 pca  dimensionality-reduction  high-dimensional  java  tsne 

Saya mengambil data boneka suhu vs Es Krim Penjualan dan mengkategorikannya menggunakan K Means (n ​​cluster = 2) untuk membedakan 2 kategori (benar-benar boneka). Sekarang saya sedang melakukan Analisis Komponen Utama pada data ini dan tujuan saya adalah untuk memahami apa yang saya lihat. Saya tahu bahwa tujuan PCA adalah …

9 pca  interpretation  k-means  dimensionality-reduction 

Mempertimbangkan jumlah fitur yang konstan, Barnes-Hut t-SNE memiliki kompleksitas , proyeksi acak dan PCA memiliki kompleksitas menjadikannya "terjangkau" untuk set data yang sangat besar.O ( n logn )HAI(ncatatan⁡n)O(n\log n)O ( n )HAI(n)O(n) Di sisi lain, metode yang mengandalkan penskalaan multidimensi memiliki kompleksitas .O ( n2)HAI(n2)O(n^2) Apakah ada teknik pengurangan dimensi …

9 pca  dimensionality-reduction  large-data  multidimensional-scaling  tsne