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.

1
Làm thế nào LDA, một kỹ thuật phân loại, cũng đóng vai trò là kỹ thuật giảm kích thước như PCA
Trong bài viết này , tác giả liên kết phân tích phân biệt tuyến tính (LDA) với phân tích thành phần chính (PCA). Với kiến ​​thức hạn hẹp của mình, tôi không thể theo dõi làm thế nào LDA có thể hơi giống với PCA. Tôi đã luôn nghĩ rằng …






1
Định vị các mũi tên trên biplot PCA
Tôi đang tìm cách triển khai một biplot để phân tích thành phần chính (PCA) trong JavaScript. Câu hỏi của tôi là, làm thế nào để tôi xác định tọa độ của các mũi tên từ đầu ra của phân tách vectơ số ít (SVD) của ma trận dữ liệu?Bạn, …
18 pca  svd  biplot 

1
Tách nguồn hỗn hợp lồi?
Giả sử tôi có nguồn độc lập, và tôi quan sát hỗn hợp lồi: X 1 , X 2 , . . . , X n m Y 1nnnX1, X2, . . . , XnX1,X2,...,XnX_1, X_2, ..., X_nmmmY1. . .Ym= a11X1+ một12X2+ ⋯ + a1 nXn= am 1X1+ mộtm 2X2+ …
18 pca  ica 




2
Bốn trục trên biplot PCA là gì?
Khi bạn xây dựng một biplot cho phân tích PCA, bạn có điểm PC1 thành phần chính trên trục x và điểm PC2 trên trục y. Nhưng hai trục còn lại ở bên phải và trên cùng của màn hình là gì?
18 r  pca  biplot 




Khi sử dụng trang web của chúng tôi, bạn xác nhận rằng bạn đã đọc và hiểu Chính sách cookieChính sách bảo mật của chúng tôi.
Licensed under cc by-sa 3.0 with attribution required.