Thống kê và dữ liệu lớn pca

1

Phân tích PCA và Tương ứng trong mối quan hệ của họ với Biplot

Biplot thường được sử dụng để hiển thị kết quả phân tích thành phần chính (và các kỹ thuật liên quan). Nó là một biểu đồ phân tán kép hoặc lớp phủ hiển thị đồng thời tải thành phần và điểm thành phần . Tôi đã được thông báo bởi …

38 pca multivariate-analysis svd correspondence-analysis biplot

2

Phân tích nhân tố giải thích hiệp phương sai trong khi PCA giải thích phương sai như thế nào?

Dưới đây là trích dẫn từ cuốn sách "Nhận dạng mẫu và học máy" của Giám mục, phần 12.2.4 "Phân tích nhân tố": Theo phần đánh dấu, phân tích yếu tố chụp hiệp phương sai giữa các biến trong ma trậnWWW . Tôi tự hỏi NHƯ THẾ NÀO ? Đây …

37 pca factor-analysis geometry

3

Liệu dấu hiệu của điểm số hoặc tải trong PCA hoặc FA có ý nghĩa? Tôi có thể đảo ngược các dấu hiệu?

Tôi đã thực hiện phân tích thành phần chính (PCA) với R bằng hai hàm khác nhau ( prcompvà princomp) và nhận thấy rằng điểm PCA khác nhau về dấu hiệu. Làm thế nào nó có thể được? Xem xét điều này: set.seed(999) prcomp(data.frame(1:10,rnorm(10)))$x PC1 PC2 [1,] -4.508620 -0.2567655 [2,] …

37 r pca factor-analysis

3

Tuyến tính của PCA

PCA được coi là một thủ tục tuyến tính, tuy nhiên: PCA(X)≠PCA(X1)+PCA(X2)+…+PCA(Xn),PCA(X)≠PCA(X1)+PCA(X2)+…+PCA(Xn),\mathrm{PCA}(X)\neq \mathrm{PCA}(X_1)+\mathrm{PCA}(X_2)+\ldots+\mathrm{PCA}(X_n), trong đó . Điều này có nghĩa là các hàm riêng được PCA thu được trên các ma trận dữ liệu không tổng hợp bằng với các hàm riêng mà PCA thu được trên tổng các ma …

35 pca linear

3

PCA và phân tách thử nghiệm / đào tạo

Tôi có một bộ dữ liệu mà tôi có nhiều bộ nhãn nhị phân. Đối với mỗi bộ nhãn, tôi huấn luyện một bộ phân loại, đánh giá nó bằng cách xác thực chéo. Tôi muốn giảm kích thước bằng phân tích thành phần chính (PCA). Câu hỏi của tôi …

35 machine-learning classification pca cross-validation

3

Tại sao t-SNE không được sử dụng như một kỹ thuật giảm kích thước để phân cụm hoặc phân loại?

Trong một nhiệm vụ gần đây, chúng tôi được yêu cầu sử dụng PCA trên các chữ số MNIST để giảm kích thước từ 64 (8 x 8 hình ảnh) xuống 2. Sau đó chúng tôi phải phân cụm các chữ số bằng Mô hình hỗn hợp Gaussian. PCA chỉ …

34 classification clustering pca dimensionality-reduction tsne

1

Lý do trực quan đằng sau việc thực hiện các phép quay trong Phân tích nhân tố / PCA là gì và làm thế nào để chọn xoay vòng phù hợp?

Những câu hỏi của tôi Lý do trực quan đằng sau việc thực hiện luân chuyển các yếu tố trong phân tích nhân tố (hoặc các thành phần trong PCA) là gì? Sự hiểu biết của tôi là, nếu các biến được tải gần như bằng nhau trong các thành …

33 pca interpretation factor-analysis dimensionality-reduction factor-rotation

1

PCA sẽ giúp như thế nào với phân tích phân cụm k-mean?

Bối cảnh : Tôi muốn phân loại các khu dân cư của thành phố thành các nhóm dựa trên đặc điểm kinh tế xã hội của họ, bao gồm mật độ đơn vị nhà ở, mật độ dân số, diện tích không gian xanh, giá nhà ở, số trường học …

32 clustering pca k-means dimensionality-reduction

3

PCA về tương quan hoặc hiệp phương sai: PCA về tương quan có bao giờ có ý nghĩa không? [đóng cửa]

Trong phân tích thành phần chính (PCA), người ta có thể chọn ma trận hiệp phương sai hoặc ma trận tương quan để tìm các thành phần (từ các hàm riêng tương ứng của chúng). Chúng cho kết quả khác nhau (tải PC và điểm số), bởi vì các hàm …

32 pca factor-analysis

1

Hàm mục tiêu PCA: mối liên hệ giữa tối đa hóa phương sai và giảm thiểu lỗi là gì?

Thuật toán PCA có thể được xây dựng theo ma trận tương quan (giả sử dữ liệu XXX đã được chuẩn hóa và chúng tôi chỉ xem xét phép chiếu lên PC đầu tiên). Hàm mục tiêu có thể được viết là: maxw(Xw)T(Xw)s.t.wTw=1.maxw(Xw)T(Xw)s.t.wTw=1. \max_w (Xw)^T(Xw)\; \: \text{s.t.} \: \:w^Tw = …

32 pca optimization

3

Xây dựng bộ mã hóa tự động trong Tensorflow để vượt qua PCA

Hinton và Salakhutdinov trong việc giảm kích thước dữ liệu với mạng nơ ron, Science 2006 đã đề xuất một PCA phi tuyến tính thông qua việc sử dụng bộ mã hóa tự động sâu. Tôi đã cố gắng xây dựng và huấn luyện bộ mã hóa tự động PCA …

31 pca python deep-learning tensorflow autoencoders

1

Giảm kích thước (SVD hoặc PCA) trên một ma trận lớn, thưa thớt

/ chỉnh sửa: Theo dõi thêm bây giờ bạn có thể sử dụng irlba :: prcomp_irlba / chỉnh sửa: theo dõi trên bài viết của riêng tôi. irlbabây giờ có các đối số "trung tâm" và "tỷ lệ", cho phép bạn sử dụng nó để tính toán các thành phần …

31 r pca dimensionality-reduction svd matrix-decomposition

5

Phát hiện các yếu tố dự báo quan trọng trong số nhiều biến độc lập

Trong một tập dữ liệu của hai quần thể không chồng chéo (bệnh nhân và khỏe mạnh, tổng ) tôi muốn tìm (trong số biến độc lập) các yếu tố dự báo quan trọng cho biến phụ thuộc liên tục. Tương quan giữa các yếu tố dự đoán là hiện …

31 regression pca feature-selection stepwise-regression underdetermined

3

Hình dung một triệu, phiên bản PCA

Có thể hình dung đầu ra của Phân tích thành phần chính theo những cách mang lại cái nhìn sâu sắc hơn chỉ là các bảng tóm tắt? Có thể làm điều đó khi số lượng quan sát lớn, giả sử ~ 1e4? Và có thể làm điều đó trong …

31 r data-visualization pca biplot

4

Cách thực hiện giảm kích thước với PCA trong R

Tôi có một bộ dữ liệu lớn và tôi muốn thực hiện giảm kích thước. Bây giờ ở mọi nơi tôi đọc rằng tôi có thể sử dụng PCA cho việc này. Tuy nhiên, tôi dường như vẫn không biết phải làm gì sau khi tính toán / thực hiện …

30 r pca

Câu hỏi được gắn thẻ «pca»