Pertanyaan yang diberi tag «pca»

Principal component analysis (PCA) adalah teknik reduksi dimensi linear. Ini mengurangi dataset multivariat ke set yang lebih kecil dari variabel yang dibangun menjaga informasi sebanyak mungkin (sebanyak varians) mungkin. Variabel-variabel ini, yang disebut komponen utama, adalah kombinasi linear dari variabel input.

4
Bagaimana menguji apakah varians yang dijelaskan oleh faktor pertama PCA berbeda di seluruh kondisi tindakan berulang?
Konteks: Saya memiliki penelitian di mana enam variabel numerik diukur dalam masing-masing dari dua pengukuran berulang kondisi eksperimental (n = 200). Mari kita memanggil kondisi dan dan variabel A_1, A_2, ..., A_6 dan B_1, B_2, ..., B_6 . Secara teoritis, saya berharap bahwa dalam kondisi B lebih banyak varians dalam …
1
Merencanakan diskriminan sebagai garis di sebar
Diberi sebaran data scatterplot, saya dapat memplot komponen utama data di atasnya, seperti sumbu yang diberi titik yang merupakan skor komponen utama. Anda dapat melihat contoh plot dengan cloud (terdiri dari 2 kluster) dan komponen prinsip pertamanya. Ini ditarik dengan mudah: skor komponen mentah dihitung sebagai data-matriks x vektor eigen …
5
Makalah tentang analisis faktor Bayesian?
Saya tertarik memasang model analisis faktor seperti pengembalian aset atau model variabel laten serupa lainnya. Apa makalah yang baik untuk dibaca tentang topik ini? Saya terutama tertarik pada bagaimana menangani fakta bahwa model analisis faktor identik di bawah perubahan tanda untuk "loadings faktor".
Dengan menggunakan situs kami, Anda mengakui telah membaca dan memahami Kebijakan Cookie dan Kebijakan Privasi kami.
Licensed under cc by-sa 3.0 with attribution required.