Pertanyaan yang diberi tag «pca»

Pada artikel ini , penulis menghubungkan analisis diskriminan linier (LDA) ke analisis komponen utama (PCA). Dengan pengetahuan saya yang terbatas, saya tidak bisa mengikuti bagaimana LDA bisa agak mirip dengan PCA. Saya selalu berpikir bahwa LDA adalah bentuk algoritma klasifikasi, mirip dengan regresi logistik. Saya akan menghargai bantuan dalam memahami …

19 classification  pca  dimensionality-reduction  discriminant-analysis  canonical-correlation 

Saya mencoba untuk mendapatkan pemahaman intuitif tentang bagaimana analisis komponen utama (PCA) bekerja di ruang subjek (ganda) . Pertimbangkan dataset 2D dengan dua variabel, dan , dan titik data (matriks data adalah dan dianggap berpusat). Presentasi PCA yang umum adalah bahwa kami mempertimbangkan poin dalam , tulis matriks kovarian , …

19 pca  linear-algebra  intuition  geometry 

Saya mencoba untuk memahami penggunaan PCA dalam artikel jurnal terbaru berjudul "Memetakan aktivitas otak pada skala dengan komputasi cluster" Freeman et al., 2014 (pdf gratis tersedia di situs web lab ). Mereka menggunakan PCA pada data deret waktu, dan menggunakan bobot PCA untuk membuat peta otak. Data tersebut adalah data …

19 time-series  pca  state-space-models  neuroimaging  neuroscience 

Saya menormalkan dataset saya kemudian menjalankan 3 komponen PCA untuk mendapatkan rasio varians yang dijelaskan kecil ([0,50, 0,1, 0,05]). Ketika saya tidak menormalkan tetapi memutihkan dataset saya kemudian menjalankan 3 komponen PCA, saya mendapat rasio varian yang dijelaskan tinggi ([0,86, 0,06,0,01]). Karena saya ingin menyimpan sebanyak mungkin data menjadi 3 …

19 pca 

Saya ingin tahu apakah masuk akal logis untuk melakukan analisis komponen utama (PCA) dan analisis faktor eksplorasi (EFA) pada kumpulan data yang sama. Saya telah mendengar para profesional secara tegas merekomendasikan: Memahami apa tujuan analisis dan pilih PCA atau EFA untuk analisis data; Setelah melakukan satu analisis tidak perlu melakukan …

19 pca  factor-analysis 

Saya ingat pernah membaca di suatu tempat di web hubungan antara regresi ridge (dengan regularisasi) dan regresi PCA: saat menggunakan -regregulated regulated dengan hyperparameter , jika , maka regresi tersebut setara dengan menghapus Variabel PC dengan nilai eigen terkecil.ℓ 2 λ λ → 0ℓ2ℓ2\ell_2ℓ2ℓ2\ell_2λλ\lambdaλ → 0λ→0\lambda \to 0 Mengapa ini …

19 regression  pca  regularization  ridge-regression 

Saya ingin menerapkan biplot untuk analisis komponen utama (PCA) dalam JavaScript. Pertanyaan saya adalah, bagaimana cara menentukan koordinat panah dari keluaran dari dekomposisi vektor singular (SVD) dari matriks data?U,V,DU,V,DU,V,D Berikut adalah contoh biplot yang diproduksi oleh R: biplot(prcomp(iris[,1:4])) Saya mencoba mencarinya di artikel Wikipedia tentang biplot tetapi tidak terlalu berguna. …

18 pca  svd  biplot 

Misalkan saya memiliki sumber-sumber independen, X 1 , X 2 , . . . , X n dan saya amati m cembung campuran: Y 1nnnX1,X2,...,XnX1,X2,...,XnX_1, X_2, ..., X_nmmmY1...Ym=a11X1+a12X2+⋯+a1nXn=am1X1+am2X2+⋯+amnXnY1=a11X1+a12X2+⋯+a1nXn...Ym=am1X1+am2X2+⋯+amnXn\begin{align} Y_1 &= a_{11}X_1 + a_{12}X_2 + \cdots + a_{1n}X_n\\ ...&\\ Y_m &= a_{m1}X_1 + a_{m2}X_2 + \cdots + a_{mn}X_n \end{align} dengan untuk …

18 pca  ica 

Saya ingin mengubah data saya sehingga varians akan menjadi satu dan kovariansi akan menjadi nol (yaitu saya ingin memutihkan datanya). Lebih jauh lagi, berarti harus nol.XX\mathbf X Saya tahu saya akan sampai di sana dengan melakukan standardisasi-Z dan transformasi PCA, tetapi dalam urutan apa saya harus melakukannya? Saya harus menambahkan …

18 pca  linear-algebra 

Misalkan adalah vektor yang memaksimalkan varians dari proyeksi data dengan desain matrix X .kamukamuuXXX Sekarang, saya telah melihat materi yang merujuk sebagai komponen utama (pertama) dari data, yang juga merupakan vektor eigen dengan nilai eigen terbesar.kamukamuu Namun, saya juga telah melihat bahwa komponen utama dari data tersebut .XkamuXkamuX u Jelas, …

18 pca  terminology  definition 

Saya mencoba memutuskan apakah komponen PCA akan dipertahankan, atau tidak. Ada trilyun kriteria berdasarkan besarnya nilai eigen, dijelaskan dan dibandingkan misalnya di sini atau di sini . Namun, dalam aplikasi saya, saya tahu bahwa nilai eigen kecil (est) akan kecil dibandingkan dengan nilai eigen besar (st) dan kriteria berdasarkan besarnya …

18 pca 

Saat Anda membuat biplot untuk analisis PCA, Anda memiliki skor PC1 komponen utama pada sumbu x dan skor PC2 pada sumbu y. Tapi apa dua sumbu lainnya ke kanan dan atas layar?

18 r  pca  biplot 

Saya ingin menerapkan algoritma dalam sebuah makalah yang menggunakan kernel SVD untuk menguraikan matriks data. Jadi saya telah membaca materi tentang metode kernel dan PCA kernel dll. Tetapi masih sangat tidak jelas bagi saya terutama ketika datang ke rincian matematika, dan saya punya beberapa pertanyaan. Mengapa metode kernel? Atau, apa …

18 pca  svd  kernel-trick 

Saya membaca pembenaran berikut (dari catatan kursus cs229) tentang mengapa kami membagi data mentah dengan standar menyimpang: Meskipun saya mengerti apa yang dikatakan penjelasan, tidak jelas bagi saya mengapa membagi dengan standar deviasi akan mencapai tujuan seperti itu. Dikatakan agar setiap orang lebih pada "skala" yang sama. Namun, itu tidak …

17 machine-learning  pca  mathematical-statistics 

Setelah beberapa pencarian, saya menemukan sangat sedikit pada penggabungan bobot pengamatan / kesalahan pengukuran ke dalam analisis komponen utama. Apa yang saya temukan cenderung mengandalkan pendekatan berulang untuk memasukkan bobot (misalnya, di sini ). Pertanyaan saya adalah mengapa pendekatan ini perlu? Mengapa kita tidak bisa menggunakan vektor eigen dari matriks …

17 pca  measurement-error  weighted-data