Pertanyaan yang diberi tag «pca»

Dalam mereka kertas autoencoders untuk klasifikasi teks Hinton dan Salakhutdinov menunjukkan plot yang dihasilkan oleh 2-dimensi LSA (yang berkaitan erat dengan PCA): . Menerapkan PCA ke data dimensi sedikit tinggi yang benar-benar berbeda, saya memperoleh plot yang mirip: (kecuali dalam hal ini saya benar-benar ingin tahu apakah ada struktur internal). …

9 data-visualization  pca 

Saya mencoba mengurangi dimensi dan derau dataset dengan melakukan PCA pada dataset dan membuang beberapa PC terakhir. Setelah itu, saya ingin menggunakan beberapa algoritma pembelajaran mesin pada PC yang tersisa, dan karena itu saya ingin menormalkan data dengan menyamakan varians PC untuk membuat algoritma bekerja lebih baik. Satu cara sederhana …

9 variance  pca  factor-rotation 

Saya memiliki 1000+ dataset sampel dari 19 variabel. Tujuan saya adalah untuk memprediksi variabel biner berdasarkan 18 variabel lainnya (biner dan kontinu). Saya cukup yakin bahwa 6 dari variabel prediksi terkait dengan respons biner, namun, saya ingin menganalisis lebih lanjut dataset dan mencari asosiasi atau struktur lain yang mungkin saya …

9 pca 

Saya membaca tentang dasar-dasar analisis komponen utama dari tutorial1 , link1 dan link2 . Saya memiliki kumpulan data dari 100 variabel (termasuk variabel keluaran Y), saya ingin mengurangi variabel menjadi 40 oleh PCA, dan kemudian memprediksi variabel Y menggunakan 40 variabel tersebut. Masalah 1: Setelah mendapatkan komponen utama dan memilih …

9 regression  pca 

Anggaplah adalah matriks data yang berpusat pada rata-rata. Matriks S = cov ( A ) adalah m × m , memiliki m nilai eigen yang berbeda, dan vektor eigen s 1 , s 2 ... s m , yang ortogonal.SEBUAHSEBUAH\mathbf AS =cov( A )S=cov(SEBUAH)\mathbf S=\text{cov}(\mathbf A)m × mm×mm\times mmmms1s1\mathbf s_1s2s2\mathbf …

9 correlation  pca  linear-algebra 

Saya mencoba memahami keluaran dari analisis komponen utama yang dilakukan sebagai berikut: > head(iris) Sepal.Length Sepal.Width Petal.Length Petal.Width Species 1 5.1 3.5 1.4 0.2 setosa 2 4.9 3.0 1.4 0.2 setosa 3 4.7 3.2 1.3 0.2 setosa 4 4.6 3.1 1.5 0.2 setosa 5 5.0 3.6 1.4 0.2 setosa 6 …

9 r  pca  interpretation 

Hanya karena beberapa koresponden mengajukan pertanyaan menarik mengenai metode perhitungan autokorelasi, saya mulai bermain dengannya, hampir tanpa pengetahuan tentang rangkaian waktu dan autokorelasi. Koresponden mengatur datanya ( titik data dari serangkaian waktu) digeser masing-masing satu lag sehingga ia memiliki matriks data (seperti yang saya mengerti) di mana baris pertama adalah …

9 time-series  pca 

Saya memiliki variabel berbeda yang berinteraksi dalam suatu populasi. Pada dasarnya saya telah melakukan inventarisasi kaki seribu dan mengukur beberapa nilai medan lainnya, seperti: Spesies dan jumlah spesimen yang dikumpulkan Lingkungan yang berbeda di mana hewan berada pH Persentase bahan organik jumlah P, K, Mg, Ca, Mn, Fe, Zn, Cu …

9 pca  multivariate-analysis  ecology  correspondence-analysis 

Saya meninjau makalah berbasis aplikasi yang mengatakan bahwa menerapkan PCA sebelum menerapkan ICA (menggunakan paket fastICA). Pertanyaan saya adalah, apakah ICA (fastICA) mengharuskan PCA dijalankan terlebih dahulu? Makalah ini menyebutkan itu ... juga berpendapat bahwa pra-penerapan PCA meningkatkan kinerja ICA dengan (1) membuang nilai eigen trailing kecil sebelum memutihkan dan …

9 pca  dimensionality-reduction  pattern-recognition  ica 

Misalkan saya memiliki dataset titik 2D dan saya ingin mendeteksi arah semua maxima lokal dari varians dalam data, misalnya: PCA tidak membantu dalam situasi ini karena merupakan dekomposisi ortogonal dan oleh karena itu tidak dapat mendeteksi kedua garis yang saya indikasikan dengan warna biru, tetapi outputnya mungkin terlihat seperti yang …

9 pca  dimensionality-reduction 

Apakah ada yang punya pengalaman dengan pendekatan untuk memilih jumlah komponen utama yang jarang dimasukkan dalam model regresi?

9 pca  sparse  regression-strategies 

Saya menganalisis set data tentang komunitas intertidal. Data berupa persen tutupan (dari rumput laut, teritip, kerang, dll) dalam kuadrat. Saya terbiasa memikirkan analisis korespondensi (CA) dalam hal jumlah spesies , dan analisis komponen utama (PCA) sebagai sesuatu yang lebih berguna untuk tren lingkungan (bukan spesies) linier. Saya belum benar-benar beruntung …

9 r  pca  multivariate-analysis  correspondence-analysis 

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 

Saya memiliki dataset variabel diskrit (ordinal, meristik, dan nominal) yang menggambarkan karakter sayap morfologis pada beberapa spesies serangga yang terkait erat. Yang ingin saya lakukan adalah melakukan semacam analisis yang akan memberi saya representasi visual tentang kesamaan spesies yang berbeda berdasarkan karakteristik morfologis. Hal pertama yang muncul di kepala saya …

9 pca  discrete-data  correspondence-analysis  mixed-type-data 

Saya ingin melakukan analisis komponen utama (analisis faktor) pada SPSS berdasarkan 22 variabel. Namun, beberapa variabel saya sangat miring (skewness dihitung dari SPSS berkisar 2-80!). Jadi inilah pertanyaanku: Haruskah saya menjaga variabel miring seperti itu atau saya bisa mengubah variabel pada analisis komponen utama? Jika ya, bagaimana saya menafsirkan skor …

9 pca  factor-analysis  dimensionality-reduction  skewness