Pertanyaan yang diberi tag «pca»

Saya tahu PCA biasa tidak mengikuti model probabilistik untuk data yang diamati. Jadi apa perbedaan mendasar antara PCA dan PPCA ? Dalam PPCA, variabel model laten berisi misalnya variabel yang diamati , laten (variabel tidak teramati x ) dan matriks W yang tidak harus ortonormal seperti pada PCA biasa. Satu …

15 pca 

Saya menggunakan Principal Component Analysis (PCA) untuk membuat indeks yang diperlukan untuk penelitian saya. Pertanyaan saya adalah bagaimana saya harus membuat indeks tunggal dengan menggunakan komponen utama yang disimpan yang dihitung melalui PCA. Sebagai contoh, saya memutuskan untuk mempertahankan 3 komponen utama setelah menggunakan PCA dan saya menghitung skor untuk …

15 pca  factor-analysis  rating  composite  scale-construction 

Saya mencoba melihat apakah akan menggunakan regresi ridge , LASSO , regresi komponen utama (PCR), atau Partial Least Squares (PLS) dalam situasi di mana ada sejumlah besar variabel / fitur ( ) dan jumlah sampel yang lebih kecil ( n < p ), dan tujuan saya adalah prediksi.pppn<pn<pn np>10np>10np>10n Variabel …

15 regression  pca  lasso  ridge-regression  partial-least-squares 

Istilah-istilah ini sering dilontarkan bersama, tetapi saya ingin tahu apa yang Anda pikirkan perbedaannya, jika ada. Terima kasih

15 pca  text-mining  svd 

Beberapa waktu yang lalu seorang pengguna di milis R-help bertanya tentang kesehatan menggunakan skor PCA dalam suatu regresi. Pengguna mencoba menggunakan beberapa skor PC untuk menjelaskan variasi di PC lain (lihat diskusi lengkap di sini ). Jawabannya adalah tidak, ini tidak masuk akal karena PC saling orthogonal. Adakah yang bisa …

15 regression  pca 

Saya memiliki dataset dengan 11 variabel dan PCA (orthogonal) dilakukan untuk mengurangi data. Memutuskan jumlah komponen untuk dijaga jelas bagi saya dari pengetahuan saya tentang subjek dan plot scree (lihat di bawah) bahwa dua komponen utama (PC) cukup untuk menjelaskan data dan komponen lainnya hanya kurang informatif. Scree plot dengan …

15 variance  pca 

Saya menganalisis set data menggunakan model efek campuran dengan satu efek tetap (kondisi) dan dua efek acak (peserta karena desain subjek dan pasangan dalam). Model ini dihasilkan dengan lme4paket: exp.model<-lmer(outcome~condition+(1|participant)+(1|pair),data=exp). Selanjutnya, saya melakukan uji rasio kemungkinan model ini terhadap model tanpa efek tetap (kondisi) dan memiliki perbedaan yang signifikan. Ada …

15 r  repeated-measures  multiple-comparisons  post-hoc  lsmeans  bayesian  posterior  marginal  integral  anova  time-series  regularization  machine-learning  pca  computational-statistics  references  inference  regression  cross-validation  python  random-forest  chi-squared  spearman-rho  r  machine-learning  confidence-interval  bagging  clustering  feature-selection  model-selection  bic  hypothesis-testing  kurtosis  r  regression  residuals  terminology 

Ketika melihat vektor eigen dari matriks kovarians, kita mendapatkan arah varians maksimum (vektor eigen pertama adalah arah di mana data paling bervariasi, dll.); ini disebut analisis komponen utama (PCA). Saya bertanya-tanya apa artinya melihat vektor-vektor eigen / nilai-nilai matriks informasi timbal balik, akankah mereka menunjuk ke arah entropi maksimum?

14 pca  entropy  mutual-information  eigenvalues 

Saya saat ini akan melalui set slide yang saya miliki untuk "analisis faktor" (PCA sejauh yang saya tahu). Di dalamnya, "teorema fundamental analisis faktor" diturunkan yang mengklaim bahwa matriks korelasi dari data yang dimasukkan ke dalam analisis ( ) dapat dipulihkan dengan menggunakan matriks pemuatan faktor ( A ):RR\bf RSEBUAHSEBUAH\bf …

14 pca  factor-analysis  terminology  definition 

Saya mengerti bahwa Uji Bartlett berkaitan dengan menentukan apakah sampel Anda berasal dari populasi dengan varian yang sama. Jika sampel berasal dari populasi dengan varian yang sama, maka kami gagal menolak hipotesis nol pengujian, dan karenanya analisis komponen utama tidak sesuai. Saya tidak yakin di mana letak masalah dengan situasi …

14 variance  pca  heteroscedasticity 

Menggunakan data ini: head(USArrests) nrow(USArrests) Saya dapat melakukan PCA sebagai berikut: plot(USArrests) otherPCA <- princomp(USArrests) Saya bisa mendapatkan komponen baru otherPCA$scores dan proporsi varian dijelaskan oleh komponen dengan summary(otherPCA) Tetapi bagaimana jika saya ingin tahu variabel mana yang sebagian besar dijelaskan oleh komponen utama mana? Dan sebaliknya: apakah PC1 atau …

14 r  pca  dimensionality-reduction  regression-strategies 

Pertimbangkan biplot PCA berikut: library(mvtnorm) set.seed(1) x <- rmvnorm(2000, rep(0, 6), diag(c(5, rep(1,5)))) x <- scale(x, center=T, scale=F) pc <- princomp(x) biplot(pc) Ada sekelompok panah merah yang diplot, apa artinya? Saya tahu bahwa panah pertama berlabel "Var1" harus menunjukkan arah yang paling beragam dari kumpulan data (jika kita menganggapnya sebagai …

14 r  pca  linear-algebra  biplot 

Sebagai bagian dari tugas Universitas, saya harus melakukan pra-pemrosesan data pada kumpulan data mentah multivariat (> 10) yang cukup besar. Saya bukan ahli statistik dalam arti kata, jadi saya agak bingung tentang apa yang terjadi. Permintaan maaf sebelumnya untuk apa yang mungkin merupakan pertanyaan sederhana yang menggelikan - kepalaku berputar …

14 pca 

Saya menggunakan skrip. Ini untuk catatan inti. Saya memiliki kerangka data yang menunjukkan komposisi unsur yang berbeda di dalam kolom di atas kedalaman tertentu (di kolom pertama). Saya ingin melakukan PCA dengannya dan saya bingung tentang metode standardisasi yang harus saya pilih. Apakah ada di antara Anda yang menggunakan clr()untuk …

13 r  pca  normalization  compositional-data 

Dalam Metode Statistik dalam Ilmu Atmosfer , Daniel Wilks mencatat bahwa regresi linier berganda dapat menyebabkan masalah jika ada hubungan yang sangat kuat di antara para prediktor (edisi ke-3, halaman 559-560): Patologi yang dapat terjadi dalam regresi linier berganda adalah bahwa seperangkat variabel prediktor yang memiliki korelasi timbal balik yang …

13 regression  pca  bias