Thống kê và dữ liệu lớn pca

1

Phân tích thành phần chính Vs Lựa chọn tính năng

Tôi đang làm một dự án học máy bằng WEKA. Đó là một phân loại có giám sát và trong các thí nghiệm cơ bản của tôi, tôi đã đạt được mức độ chính xác rất kém. Sau đó, ý định của tôi là thực hiện lựa chọn tính năng, …

11 machine-learning pca feature-selection weka

3

Khi nào bạn sẽ sử dụng PCA thay vì LDA trong phân loại?

Tôi đang đọc bài viết này về sự khác biệt giữa Phân tích thành phần nguyên tắc và Phân tích nhiều phân biệt đối xử (Phân tích phân biệt đối xử tuyến tính) và tôi đang cố gắng hiểu tại sao bạn lại sử dụng PCA thay vì MDA / …

10 classification pca dimensionality-reduction discriminant-analysis

1

Làm thế nào để có được các giá trị bản địa (phần trăm của phương sai được giải thích) của các vectơ không phải là hàm riêng của PCA?

Tôi muốn hiểu làm thế nào tôi có thể nhận được tỷ lệ phần trăm phương sai của một tập dữ liệu, không phải trong không gian tọa độ do PCA cung cấp, mà dựa vào một tập các vectơ (xoay) hơi khác. set.seed(1234) xx <- rnorm(1000) yy <- xx …

10 r variance pca linear-algebra

2

Ma trận hiệp phương sai nghịch đảo so với ma trận hiệp phương sai trong PCA

Trong PCA, nó có tạo ra sự khác biệt nếu chúng ta chọn các thành phần chính của ma trận hiệp phương sai nghịch HOẶC nếu chúng ta bỏ các hàm riêng của ma trận hiệp phương sai tương ứng với các giá trị riêng lớn? Điều này có liên …

10 machine-learning pca computational-statistics

2

Phân tích thành phần chính có thể được sử dụng trên giá cổ phiếu / dữ liệu không cố định?

Tôi đang đọc một ví dụ được đưa ra trong cuốn sách, Machine Learning for Hackers . Trước tiên tôi sẽ giải thích về ví dụ và sau đó nói về câu hỏi của tôi. Ví dụ : Lấy một bộ dữ liệu trong 10 năm với giá 25 cổ …

10 time-series pca references covariance stationarity

1

PCA chỉ bảo tồn khoảng cách cặp lớn là gì?

Tôi hiện đang đọc về kỹ thuật hình ảnh t-SNE và được đề cập rằng một trong những nhược điểm của việc sử dụng phân tích thành phần chính (PCA) để hiển thị dữ liệu chiều cao là nó chỉ giữ khoảng cách cặp lớn giữa các điểm. Có nghĩa …

10 machine-learning data-visualization pca tsne

1

PCA quy mô lớn thậm chí có thể?

Cách cổ điển của phân tích thành phần chính (PCA) là thực hiện nó trên ma trận dữ liệu đầu vào mà các cột có giá trị trung bình bằng 0 (sau đó PCA có thể "tối đa hóa phương sai"). Điều này có thể đạt được một cách dễ …

10 pca algorithms dimensionality-reduction large-data sparse

1

Tại sao tất cả các thành phần PLS cùng nhau chỉ giải thích một phần của phương sai của dữ liệu gốc?

Tôi có một bộ dữ liệu bao gồm 10 biến. Tôi đã chạy bình phương tối thiểu một phần (PLS) để dự đoán một biến trả lời duy nhất theo 10 biến này, trích xuất 10 thành phần PLS và sau đó tính toán phương sai của từng thành phần. …

10 regression pca covariance-matrix partial-least-squares

1

Có phải PCA vẫn được thực hiện thông qua việc xuất tinh của ma trận hiệp phương sai khi kích thước lớn hơn số lượng quan sát?

Tôi có ma trận , chứa mẫu trong không gian hai chiều . Bây giờ tôi muốn mã hóa phân tích thành phần chính của mình (PCA) trong Matlab. Tôi hạ xuống trước.X N = 20 D = 100 X X 020 × 10020×10020\times100XXXN= 20N=20N=20D = 100D=100D=100XXXX0X0X_0 Tôi đã đọc …

10 pca

2

Áp dụng PCA để kiểm tra dữ liệu cho mục đích phân loại

Gần đây tôi đã biết về PCA tuyệt vời và tôi đã thực hiện ví dụ được nêu trong tài liệu tìm hiểu scikit . Tôi muốn biết làm thế nào tôi có thể áp dụng PCA cho các điểm dữ liệu mới cho mục đích phân loại. Sau khi …

10 classification pca scikit-learn

1

Bối rối về lời giải thích trực quan của người bản địa: làm thế nào các bộ dữ liệu khác nhau có thể có cùng một hàm riêng?

Rất nhiều sách giáo khoa thống kê cung cấp một minh họa trực quan về những gì các hàm riêng của ma trận hiệp phương sai là: Các vectơ u và z tạo thành các hàm riêng (tốt, eigenaxes). Điều này thật ý nghĩa. Nhưng một điều làm tôi bối …

10 correlation pca covariance-matrix eigenvalues

2

Các số liệu tốt để đánh giá chất lượng của PCA phù hợp, để chọn số lượng các thành phần là gì?

Một số liệu tốt để đánh giá chất lượng phân tích thành phần chính (PCA) là gì? Tôi đã thực hiện thuật toán này trên một tập dữ liệu. Mục tiêu của tôi là giảm số lượng tính năng (thông tin rất dư thừa). Tôi biết tỷ lệ phần trăm …

10 machine-learning pca data-mining information-theory

3

Có giảm kích thước luôn mất một số thông tin?

Giống như tiêu đề nói, giảm kích thước luôn mất một số thông tin? Xem xét ví dụ PCA. Nếu dữ liệu tôi có rất thưa thớt, tôi sẽ cho rằng có thể tìm thấy "mã hóa tốt hơn" (điều này có liên quan đến thứ hạng của dữ liệu …

10 pca information-theory information

1

Làm thế nào để diễn giải biplot PCA này đến từ một cuộc khảo sát về những lĩnh vực mà mọi người quan tâm?

Bối cảnh: Tôi đã hỏi hàng trăm người tham gia khảo sát của mình về mức độ họ quan tâm đến các khu vực được chọn (theo thang điểm Likert năm điểm với 1 biểu thị "không quan tâm" và 5 biểu thị "quan tâm"). Sau đó, tôi đã thử …

10 pca interpretation survey likert biplot

3

Chọn số lượng thành phần chính để giữ lại

Một phương pháp được đề xuất với tôi là xem xét một âm mưu và kiểm tra "khuỷu tay" để xác định số lượng PC chính xác sẽ sử dụng. Nhưng nếu cốt truyện không rõ ràng, R có tính toán để xác định số không? fit <- princomp(mydata, cor=TRUE)

10 r pca

Câu hỏi được gắn thẻ «pca»