Câu hỏi được gắn thẻ «pca»

Phân tích thành phần chính (PCA) là một kỹ thuật giảm kích thước tuyến tính. Nó giảm một tập dữ liệu đa biến thành một tập hợp nhỏ hơn các biến được xây dựng bảo tồn càng nhiều thông tin (càng nhiều phương sai) càng tốt. Các biến này, được gọi là các thành phần chính, là sự kết hợp tuyến tính của các biến đầu vào.

5
Mối quan hệ giữa phân cụm k-nghĩa và PCA là gì?
Đó là một thực tế phổ biến để áp dụng PCA (phân tích thành phần chính) trước một thuật toán phân cụm (chẳng hạn như phương tiện k). Người ta tin rằng nó cải thiện kết quả phân cụm trong thực tế (giảm nhiễu). Tuy nhiên, tôi quan tâm đến …
5
Một lời giải thích trực quan cho cách PCA chuyển từ một vấn đề hình học (với khoảng cách) sang một vấn đề đại số tuyến tính (với các hàm riêng)?
Tôi đã đọc rất nhiều về PCA, bao gồm các hướng dẫn và câu hỏi khác nhau (chẳng hạn như cái này , cái này , cái này và cái này ). Vấn đề hình học mà PCA đang cố gắng tối ưu hóa là rõ ràng đối với tôi: …
3
Giải thích dự đoán biến đổi và / hoặc phản hồi
Tôi tự hỏi nếu nó làm cho một sự khác biệt trong việc giải thích cho dù chỉ phụ thuộc, cả phụ thuộc và độc lập, hoặc chỉ các biến độc lập được chuyển đổi nhật ký. Hãy xem xét trường hợp log(DV) = Intercept + B1*IV + Error Tôi …
46 regression  data-transformation  interpretation  regression-coefficients  logarithm  r  dataset  stata  hypothesis-testing  contingency-tables  hypothesis-testing  statistical-significance  standard-deviation  unbiased-estimator  t-distribution  r  functional-data-analysis  maximum-likelihood  bootstrap  regression  change-point  regression  sas  hypothesis-testing  bayesian  randomness  predictive-models  nonparametric  terminology  parametric  correlation  effect-size  loess  mean  pdf  quantile-function  bioinformatics  regression  terminology  r-squared  pdf  maximum  multivariate-analysis  references  data-visualization  r  pca  r  mixed-model  lme4-nlme  distributions  probability  bayesian  prior  anova  chi-squared  binomial  generalized-linear-model  anova  repeated-measures  t-test  post-hoc  clustering  variance  probability  hypothesis-testing  references  binomial  profile-likelihood  self-study  excel  data-transformation  skewness  distributions  statistical-significance  econometrics  spatial  r  regression  anova  spss  linear-model 
3
Chức năng mục tiêu của PCA là gì?
Phân tích thành phần chính có thể sử dụng phân tách ma trận, nhưng đó chỉ là một công cụ để đạt được điều đó. Làm thế nào bạn sẽ tìm thấy các thành phần chính mà không sử dụng đại số ma trận? Hàm mục tiêu (mục tiêu) là …
42 pca 
1
Làm thế nào để xác định các thành phần chính quan trọng bằng cách sử dụng phương pháp bootstrapping hoặc Monte Carlo?
Tôi quan tâm đến việc xác định số lượng mẫu quan trọng được đưa ra từ Phân tích thành phần chính (PCA) hoặc Phân tích chức năng trực giao thực nghiệm (EOF). Tôi đặc biệt quan tâm đến việc áp dụng phương pháp này vào dữ liệu khí hậu. Trường …
40 r  pca  bootstrap  monte-carlo 
3
Có trường hợp nào PCA phù hợp hơn t-SNE không?
Tôi muốn xem 7 biện pháp hành vi sửa văn bản (thời gian sửa văn bản, số lần nhấn phím, v.v.) liên quan với nhau như thế nào. Các biện pháp có tương quan. Tôi đã chạy PCA để xem các biện pháp được chiếu lên PC1 và PC2 như …
39 pca  tsne 
Khi sử dụng trang web của chúng tôi, bạn xác nhận rằng bạn đã đọc và hiểu Chính sách cookie và Chính sách bảo mật của chúng tôi.
Licensed under cc by-sa 3.0 with attribution required.