Pertanyaan yang diberi tag «pca»

Saya menemukan tutorial yang bagus ini: Buku Pegangan Analisis Statistik Menggunakan R. Bab 13. Analisis Komponen Utama: Olympic Heptathlon tentang cara melakukan PCA dalam bahasa R. Saya tidak mengerti interpretasi dari Gambar 13.3: Jadi saya merencanakan vektor eigen pertama vs vektor eigen kedua. Apa artinya? Misalkan nilai eigen yang sesuai …

30 r  pca  data-visualization  interpretation  biplot 

Apa perbedaan pemusatan (atau de-makna) data Anda untuk PCA? Saya pernah mendengar bahwa itu membuat matematika lebih mudah atau mencegah PC pertama dari yang didominasi oleh variabel, tetapi saya merasa seperti saya belum dapat memahami konsep ini dengan kuat. Misalnya, jawaban teratas di sini Bagaimana cara memusatkan data menyingkirkan intersep …

30 r  pca  svd  eigenvalues  centering 

Saya memiliki dataset dengan sejumlah besar jawaban Ya / Tidak. Dapatkah saya menggunakan komponen utama (PCA) atau analisis reduksi data lainnya (seperti analisis faktor) untuk tipe data ini? Mohon saran bagaimana saya melakukan ini menggunakan SPSS.

30 spss  categorical-data  pca  factor-analysis  binary-data 

Saya akan menjelaskan masalah saya dengan sebuah contoh. Misalkan Anda ingin memprediksi penghasilan seseorang yang diberikan beberapa atribut: {Usia, Jenis Kelamin, Negara, Wilayah, Kota}. Anda memiliki dataset pelatihan seperti itu train <- data.frame(CountryID=c(1,1,1,1, 2,2,2,2, 3,3,3,3), RegionID=c(1,1,1,2, 3,3,4,4, 5,5,5,5), CityID=c(1,1,2,3, 4,5,6,6, 7,7,7,8), Age=c(23,48,62,63, 25,41,45,19, 37,41,31,50), Gender=factor(c("M","F","M","F", "M","F","M","F", "F","F","F","M")), Income=c(31,42,71,65, 50,51,101,38, 47,50,55,23)) …

29 regression  machine-learning  multilevel-analysis  correlation  dataset  spatial  paired-comparisons  cross-correlation  clustering  aic  bic  dependent-variable  k-means  mean  standard-error  measurement-error  errors-in-variables  regression  multiple-regression  pca  linear-model  dimensionality-reduction  machine-learning  neural-networks  deep-learning  conv-neural-network  computer-vision  clustering  spss  r  weighted-data  wilcoxon-signed-rank  bayesian  hierarchical-bayesian  bugs  stan  distributions  categorical-data  variance  ecology  r  survival  regression  r-squared  descriptive-statistics  cross-section  maximum-likelihood  factor-analysis  likert  r  multiple-imputation  propensity-scores  distributions  t-test  logit  probit  z-test  confidence-interval  poisson-distribution  deep-learning  conv-neural-network  residual-networks  r  survey  wilcoxon-mann-whitney  ranking  kruskal-wallis  bias  loss-functions  frequentist  decision-theory  risk  machine-learning  distributions  normal-distribution  multivariate-analysis  inference  dataset  factor-analysis  survey  multilevel-analysis  clinical-trials 

SPSS menawarkan beberapa metode ekstraksi faktor: Komponen utama (yang sama sekali bukan analisis faktor) Kuadrat terkecil tertimbang Kuadrat terkecil umum Kemungkinan Maksimum Sumbu Utama Anjak piutang Anjak gambar Mengabaikan metode pertama, yang bukan analisis faktor (tetapi analisis komponen utama, PCA), yang mana dari metode ini yang "terbaik"? Apa keuntungan relatif …

29 spss  pca  factor-analysis 

Saya selalu menggunakan lm()dalam R untuk melakukan regresi linier pada . Fungsi itu mengembalikan koefisien sehinggayyyxxxββ\betay=βx.y=βx.y = \beta x. Hari ini saya belajar tentang kuadrat terkecil total dan princomp()fungsi itu (analisis komponen utama, PCA) dapat digunakan untuk melakukannya. Itu harus baik untuk saya (lebih akurat). Saya telah melakukan beberapa tes …

29 r  pca  least-squares  deming-regression  total-least-squares 

Saya belajar PCA dari kursus Andrew Ng's Coursera dan materi lainnya. Dalam tugas pertama Stanford NLP kursus cs224n , dan dalam video ceramah dari Andrew Ng , mereka melakukan dekomposisi nilai singular bukan dekomposisi vektor eigen dari matriks kovarians, dan Ng bahkan mengatakan bahwa SVD secara numerik lebih stabil daripada …

29 pca  linear-algebra  svd  eigenvalues  numerics 

Saya telah menyelesaikan analisis komponen utama (PCA), analisis faktor eksploratori (EFA), dan analisis faktor konfirmatori (CFA), memperlakukan data dengan skala likert (respons 5 tingkat: tidak ada, sedikit, beberapa, ..) sebagai berkelanjutan variabel. Kemudian, menggunakan Lavaan, saya mengulangi CFA mendefinisikan variabel sebagai kategori. Saya ingin tahu jenis analisis apa yang cocok …

28 pca  factor-analysis  ordinal-data  binary-data  likert 

Ketika saya menggunakan GAM, itu memberi saya sisa DF adalah (baris terakhir dalam kode). Apa artinya? Melampaui contoh GAM, Secara umum, bisakah jumlah derajat kebebasan menjadi angka yang bukan bilangan bulat?26.626.626.6 > library(gam) > summary(gam(mpg~lo(wt),data=mtcars)) Call: gam(formula = mpg ~ lo(wt), data = mtcars) Deviance Residuals: Min 1Q Median 3Q …

27 r  degrees-of-freedom  gam  machine-learning  pca  lasso  probability  self-study  bootstrap  expected-value  regression  machine-learning  linear-model  probability  simulation  random-generation  machine-learning  distributions  svm  libsvm  classification  pca  multivariate-analysis  feature-selection  archaeology  r  regression  dataset  simulation  r  regression  time-series  forecasting  predictive-models  r  mean  sem  lavaan  machine-learning  regularization  regression  conv-neural-network  convolution  classification  deep-learning  conv-neural-network  regression  categorical-data  econometrics  r  confirmatory-factor  scale-invariance  self-study  unbiased-estimator  mse  regression  residuals  sampling  random-variable  sample  probability  random-variable  convergence  r  survival  weibull  references  autocorrelation  hypothesis-testing  distributions  correlation  regression  statistical-significance  regression-coefficients  univariate  categorical-data  chi-squared  regression  machine-learning  multiple-regression  categorical-data  linear-model  pca  factor-analysis  factor-rotation  classification  scikit-learn  logistic  p-value  regression  panel-data  multilevel-analysis  variance  bootstrap  bias  probability  r  distributions  interquartile  time-series  hypothesis-testing  normal-distribution  normality-assumption  kurtosis  arima  panel-data  stata  clustered-standard-errors  machine-learning  optimization  lasso  multivariate-analysis  ancova  machine-learning  cross-validation 

Saya memiliki matriks 336x256 angka titik apung (336 genom bakteri (kolom) x 256 frekuensi tetranukleotida yang dinormalisasi (baris), misalnya setiap kolom menambahkan hingga 1). Saya mendapatkan hasil yang bagus ketika saya menjalankan analisis saya menggunakan analisis komponen utama. Pertama-tama saya menghitung kluster kmeans pada data, kemudian menjalankan PCA dan mewarnai …

27 r  pca  tsne 

Saya memiliki classifier yang saya lakukan validasi silang, bersama dengan seratus atau lebih fitur yang saya lakukan seleksi maju untuk menemukan kombinasi fitur yang optimal. Saya juga membandingkan ini dengan menjalankan eksperimen yang sama dengan PCA, di mana saya mengambil fitur potensial, menerapkan SVD, mengubah sinyal asli ke ruang koordinat …

27 classification  pca  feature-selection 

Jika saya memiliki dataset dengan pengamatan dan variabel (dimensi), dan umumnya kecil ( ), dan dapat berkisar dari kecil ( ) hingga mungkin jauh lebih besar ( ).nnnpppnnnn=12−16n=12−16n=12-16pppp=4−10p=4−10p = 4-10p=30−50p=30−50p= 30-50 Saya ingat belajar bahwa harus jauh lebih besar dari untuk menjalankan analisis komponen utama (PCA) atau analisis faktor (FA), …

27 pca  sample-size  factor-analysis 

Ada banyak posting di SE ini yang membahas pendekatan yang kuat untuk analisis komponen utama (PCA), tetapi saya tidak dapat menemukan penjelasan yang baik tentang mengapa PCA sensitif terhadap outlier di tempat pertama.

26 machine-learning  pca  outliers 

Mengingat PCA (atau SVD) pendekatan matriks XXX dengan matriks X , kita tahu bahwa X adalah yang terbaik peringkat rendah perkiraan X .X^X^\hat XX^X^\hat XXXX Apakah ini sesuai dengan norma ∥ ⋅ ∥ 2 yang diinduksi∥⋅∥2∥⋅∥2\parallel \cdot \parallel_2 (yaitu norma nilai eigen terbesar) atau menurut norma Frobenius ∥ ⋅ ∥F∥⋅∥F\parallel …

26 pca  svd  matrix-decomposition 

Saya memiliki matriks korelasi pengembalian keamanan yang determinannya nol. (Ini agak mengejutkan karena matriks korelasi sampel dan matriks kovarian yang sesuai secara teoritis pasti positif.) Hipotesis saya adalah bahwa setidaknya satu sekuritas secara linear tergantung pada sekuritas lainnya. Apakah ada fungsi dalam R yang secara berurutan menguji setiap kolom sebuah …

26 r  correlation  pca  linear-model  svd