Verwendung der Kurtosis zur Bewertung der Signifikanz von Komponenten anhand einer unabhängigen Komponentenanalyse


10

In PCA bestimmen Eigenwerte die Reihenfolge der Komponenten. In ICA verwende ich Kurtosis, um die Bestellung zu erhalten. Was sind einige akzeptierte Methoden, um die Anzahl (sofern ich die Reihenfolge habe) von Komponenten zu bewerten, die abgesehen von Vorkenntnissen über das Signal von Bedeutung sind?


1
Ich denke tatsächlich, dass Sie in ICA immer noch die Anzahl der 'signifikanten' (dh 90% der Energie) Eigenvektoren als Anzahl der unabhängigen Komponenten verwenden können.
Spacey

Antworten:


1

Da diese Frage immer noch keine Antwort enthält, möchte ich wiederholen, wie @Tarantula kommentierte, dass eine akzeptierte Methode zur Auswahl der Anzahl der zurückgehaltenen Komponenten in der erläuterten Varianz besteht. Sie behalten Komponenten bei, die ein Kriterium aus der A-priori- Bleaching-PCA erhalten, und führen ICA für diese Komponenten durch.K

Ich kenne keine akzeptierte Methode, um diese Art der Beurteilung mit der Kurtosis durchzuführen. Diese Frage ist möglicherweise nicht vollständig zu beantworten.

Durch die Nutzung unserer Website bestätigen Sie, dass Sie unsere Cookie-Richtlinie und Datenschutzrichtlinie gelesen und verstanden haben.
Licensed under cc by-sa 3.0 with attribution required.