Thống kê và dữ liệu lớn pca

1

Tôi có một bộ dữ liệu bao gồm 15K mẫu được dán nhãn (gồm 10 nhóm). Tôi muốn áp dụng giảm kích thước thành 2 chiều, điều đó sẽ xem xét kiến thức về nhãn. Khi tôi sử dụng các kỹ thuật giảm kích thước không giám sát "tiêu chuẩn" …

13 machine-learning pca dimensionality-reduction supervised-learning discriminant-analysis

1

Các thành phần chính của Luân Đôn được luân chuyển là gì và các thành phần chính không được bảo vệ của các cơ sở dữ liệu, cho rằng PCA luôn xoay trục tọa độ?

Theo tôi hiểu, các thành phần chính có được bằng cách xoay trục tọa độ để căn chỉnh chúng với các phương sai tối đa. Tuy nhiên, tôi tiếp tục đọc về "các thành phần chính không được bảo vệ" và phần mềm thống kê của tôi (SAS) cung cấp …

13 pca terminology factor-rotation

2

Sự khác biệt giữa lựa chọn tính năng và giảm kích thước là gì?

Tôi biết rằng cả lựa chọn tính năng và giảm kích thước đều hướng tới việc giảm số lượng tính năng trong bộ tính năng ban đầu. Sự khác biệt chính xác giữa hai là gì nếu chúng ta đang làm điều tương tự ở cả hai?

13 machine-learning pca feature-selection dimensionality-reduction

1

Làm thế nào để giải thích tải PCA?

Trong khi đọc về PCA, tôi đã xem qua lời giải thích sau: Giả sử chúng ta có một bộ dữ liệu trong đó mỗi điểm dữ liệu đại diện cho điểm của một học sinh trong bài kiểm tra toán, bài kiểm tra vật lý, bài kiểm tra đọc …

13 pca

3

Từng bước thực hiện PCA trong R bằng hướng dẫn của Lindsay Smith

Tôi đang làm việc trong R thông qua một hướng dẫn PCA tuyệt vời của Lindsay I Smith và đang bị mắc kẹt trong giai đoạn cuối. Kịch bản R bên dưới đưa chúng ta đến giai đoạn (trên trang 19) trong đó dữ liệu gốc đang được xây dựng …

13 r pca

2

Chọn các thành phần PCA phân tách các nhóm

Tôi thường sử dụng để chẩn đoán dữ liệu đa biến của mình bằng PCA (dữ liệu omics với hàng trăm ngàn biến và hàng chục hoặc hàng trăm mẫu). Dữ liệu thường đến từ các thử nghiệm với một số biến độc lập phân loại xác định một số …

13 pca linear-model r-squared discriminant-analysis

3

Làm thế nào để tính toán các thành phần chính xoay vòng varimax trong R?

Tôi đã chạy PCA trên 25 biến và chọn 7 PC hàng đầu sử dụng prcomp. prc <- prcomp(pollutions, center=T, scale=T, retx=T) Sau đó tôi đã thực hiện xoay varimax trên các thành phần đó. varimax7 <- varimax(prc$rotation[,1:7]) Và bây giờ tôi muốn varimax xoay dữ liệu xoay PCA (vì …

13 r pca factor-rotation

2

Đối với một ma trận ngẫu nhiên, không nên giải thích một SVD nào cả? Tôi đang làm gì sai?

Nếu tôi xây dựng ma trận 2 chiều bao gồm toàn bộ dữ liệu ngẫu nhiên, tôi sẽ mong các thành phần PCA và SVD không giải thích được gì. Thay vào đó, có vẻ như cột SVD đầu tiên xuất hiện để giải thích 75% dữ liệu. Làm thế …

13 r pca svd

3

PCA về dữ liệu văn bản chiều cao trước khi phân loại rừng ngẫu nhiên?

Liệu có ý nghĩa gì khi làm PCA trước khi thực hiện Phân loại rừng ngẫu nhiên? Tôi đang xử lý dữ liệu văn bản có chiều cao và tôi muốn thực hiện giảm tính năng để giúp tránh lời nguyền về chiều, nhưng không phải Rừng ngẫu nhiên đã …

13 classification pca random-forest dimensionality-reduction high-dimensional

3

Các thành phần của PCA có thực sự đại diện cho tỷ lệ phần trăm chênh lệch? Họ có thể tổng hợp đến hơn 100%?

"Học máy cho tin tặc" của O'Reilly nói rằng mỗi thành phần chính đại diện cho một tỷ lệ phần trăm chênh lệch. Tôi đã trích dẫn phần có liên quan của trang bên dưới (chương 8, tr.207). Nói chuyện với một chuyên gia khác, họ đồng ý đó là …

13 r pca

2

Tôi có thể làm PCA về các biện pháp lặp đi lặp lại để giảm dữ liệu không?

Tôi có 3 thử nghiệm trên 87 động vật trong mỗi 2 bối cảnh (một số dữ liệu bị thiếu; không có dữ liệu bị thiếu = 64 động vật). Trong một bối cảnh, tôi có nhiều biện pháp cụ thể (thời gian để nhập, số lần trở về nơi …

13 repeated-measures pca dimensionality-reduction

5

Giảm kích thước SVD cho chuỗi thời gian có độ dài khác nhau

Tôi đang sử dụng Phân tích giá trị số ít như một kỹ thuật giảm kích thước. Đưa ra Ncác vectơ kích thước D, ý tưởng là thể hiện các tính năng trong một không gian biến đổi của các kích thước không tương quan, điều chỉnh hầu hết thông …

13 time-series machine-learning pca data-transformation multivariate-analysis

1

Điểm PCA và thành phần dựa trên sự kết hợp của các biến nhị phân và biến nhị phân

Tôi muốn áp dụng PCA trên tập dữ liệu, bao gồm các biến loại hỗn hợp (liên tục và nhị phân). Để minh họa thủ tục, tôi dán một ví dụ có thể lặp lại tối thiểu trong R bên dưới. # Generate synthetic dataset set.seed(12345) n <- 100 x1 …

13 r pca

2

Làm thế nào để thực hiện xác nhận chéo cho PCA để xác định số lượng thành phần chính?

Tôi đang cố gắng viết chức năng của riêng mình để phân tích thành phần chính, PCA (tất nhiên đã có rất nhiều bài viết nhưng tôi chỉ quan tâm đến việc tự mình thực hiện công cụ). Vấn đề chính tôi gặp phải là bước xác thực chéo và …

13 pca cross-validation matlab

3

Là tối ưu hóa PCA lồi?

Hàm mục tiêu của Phân tích thành phần chính (PCA) là giảm thiểu lỗi tái cấu trúc trong định mức L2 (xem phần 2.12 ở đây . Một quan điểm khác đang cố gắng tối đa hóa phương sai trên phép chiếu. Chúng tôi cũng có một bài viết xuất …

12 machine-learning pca optimization convex

Câu hỏi được gắn thẻ «pca»