Statistiken und Big Data pca

1

Was zeigt eine keilartige Form des PCA-Diagramms an?

In ihrer Arbeit über Autoencoder für die Textklassifizierung demonstrierten Hinton und Salakhutdinov die Darstellung der zweidimensionalen LSA (die eng mit PCA verwandt ist) : . Durch Anwenden von PCA auf absolut unterschiedliche, leicht hochdimensionale Daten erhielt ich ein ähnlich aussehendes Diagramm: (außer in diesem Fall wollte ich wirklich wissen, ob …

9 data-visualization pca

3

Drehen Sie die PCA-Komponenten, um die Varianz in jeder Komponente auszugleichen

Ich versuche, die Dimensionalität und das Rauschen eines Datensatzes zu reduzieren, indem ich eine PCA für den Datensatz durchführe und die letzten PCs wegwerfe. Danach möchte ich einige Algorithmen für maschinelles Lernen auf den verbleibenden PCs verwenden und daher die Daten normalisieren, indem ich die Varianz der PCs anpasse, damit …

9 variance pca factor-rotation

3

Wie kann ich feststellen, dass die PCA-Ergebnisse kein Muster enthalten?

Ich habe einen Datensatz mit mehr als 1000 Beispielen mit 19 Variablen. Mein Ziel ist es, eine binäre Variable basierend auf den anderen 18 Variablen (binär und stetig) vorherzusagen. Ich bin ziemlich sicher, dass 6 der Vorhersagevariablen mit der binären Antwort verknüpft sind. Ich möchte jedoch den Datensatz weiter analysieren …

9 pca

1

Wie wende ich eine Regression auf Hauptkomponenten an, um eine Ausgabevariable vorherzusagen?

Ich habe die Grundlagen der Hauptkomponentenanalyse aus Tutorial1 , Link1 und Link2 gelesen . Ich habe einen Datensatz von 100 Variablen (einschließlich der Ausgabevariablen Y), möchte die Variablen durch PCA auf 40 reduzieren und dann die Variable Y unter Verwendung dieser 40 Variablen vorhersagen. Problem 1: Nachdem ich Hauptkomponenten erhalten …

9 regression pca

1

Warum sind die Bewertungen der Hauptkomponenten nicht korreliert?

Angenommen, ist eine Matrix von mittelzentrierten Daten. Die Matrix ist , hat verschiedene Eigenwerte und Eigenvektoren , ... , die orthogonal sind.AA\mathbf AS=cov(A)S=cov(A)\mathbf S=\text{cov}(\mathbf A)m×mm×mm\times mmmms1s1\mathbf s_1s2s2\mathbf s_2smsm\mathbf s_m Die te Hauptkomponente (manche Leute nennen sie "Scores") ist der Vektor . Mit anderen Worten, es ist eine lineare Kombination der …

9 correlation pca linear-algebra

2

Schlussfolgerungen aus der Ausgabe einer Hauptkomponentenanalyse

Ich versuche, die Ausgabe der Hauptkomponentenanalyse wie folgt zu verstehen: > head(iris) Sepal.Length Sepal.Width Petal.Length Petal.Width Species 1 5.1 3.5 1.4 0.2 setosa 2 4.9 3.0 1.4 0.2 setosa 3 4.7 3.2 1.3 0.2 setosa 4 4.6 3.1 1.5 0.2 setosa 5 5.0 3.6 1.4 0.2 setosa 6 5.4 3.9 …

9 r pca interpretation

1

Welche Kriterien sind für die Trennung von Variablen in erklärende Variablen und Antworten für Ordnungsmethoden in der Ökologie zu verwenden?

Ich habe verschiedene Variablen, die innerhalb einer Population interagieren. Grundsätzlich habe ich eine Bestandsaufnahme von Tausendfüßlern durchgeführt und einige andere Werte des Geländes gemessen, wie zum Beispiel: Die Art und die Anzahl der gesammelten Exemplare Die verschiedenen Umgebungen, in denen sich die Tiere befinden der pH Der Prozentsatz an organischem …

9 pca multivariate-analysis ecology correspondence-analysis

1

Was macht PCA mit autokorrelierten Daten?

Nur weil ein Korrespondent eine interessante Frage zu Methoden zur Berechnung der Autokorrelation stellte, begann ich damit zu spielen, fast ohne Kenntnis von Zeitreihen und Autokorrelation. Der Korrespondent ordnete seine Daten ( Datenpunkte einer Zeitreihe) jeweils um eine Zeitverzögerung so an, dass er eine Matrix von 32 × 32 Daten …

9 time-series pca

3

Muss ICA zuerst PCA ausführen?

Ich habe ein anwendungsbasiertes Papier gelesen, in dem es heißt, dass PCA vor der Anwendung von ICA angewendet wird (unter Verwendung des fastICA-Pakets). Meine Frage ist, erfordert ICA (fastICA), dass PCA zuerst ausgeführt wird? Dieses Papier erwähnte das ... wird auch argumentiert, dass die Voranwendung von PCA die ICA-Leistung verbessert, …

9 pca dimensionality-reduction pattern-recognition ica

4

Nicht orthogonale Technik analog zu PCA

Angenommen, ich habe einen 2D-Punktdatensatz und möchte die Richtungen aller lokalen Varianzmaxima in den Daten ermitteln, zum Beispiel: PCA hilft in dieser Situation nicht, da es sich um eine orthogonale Zerlegung handelt und daher nicht beide Linien erkennen kann, die ich blau angezeigt habe. Stattdessen kann die Ausgabe wie die …

9 pca dimensionality-reduction

2

Auswahl der Anzahl der Hauptkomponenten mit geringer Dichte, die in die Regression einbezogen werden sollen

Hat jemand Erfahrung mit Ansätzen zur Auswahl der Anzahl der Hauptkomponenten mit geringer Dichte, die in ein Regressionsmodell aufgenommen werden sollen?

9 pca sparse regression-strategies

1

Verwenden der Hauptkomponentenanalyse im Vergleich zur Korrespondenzanalyse

Ich analysiere einen Datensatz über Gezeitengemeinschaften. Die Daten beziehen sich auf die prozentuale Abdeckung (von Seetang, Seepocken, Muscheln usw.) in Quadraten. Ich bin zu Denken über Korrespondenzanalyse (CA) in Bezug auf die Arten verwendet zählt, und Hauptkomponentenanalyse (PCA) als etwas nützlicher für lineare Umwelt (nicht Spezies) Trends. Ich hatte nicht …

9 r pca multivariate-analysis correspondence-analysis

1

Entspricht CCA zwischen zwei identischen Datensätzen PCA in diesem Datensatz?

Als ich Wikipedia über die kanonische Korrelationsanalyse (CCA) für zwei Zufallsvektoren und las, fragte ich mich, ob die Hauptkomponenten-Anslysis (PCA) mit CCA identisch ist, wenn ?XXXYYYX=YX=YX=Y

9 pca multivariate-analysis canonical-correlation

1

Diskrete Daten und Alternativen zu PCA

Ich habe einen Datensatz mit diskreten (ordinalen, meristischen und nominalen) Variablen, die morphologische Flügelcharakteristika für mehrere eng verwandte Insektenarten beschreiben. Ich möchte eine Art Analyse durchführen, die mir eine visuelle Darstellung der Ähnlichkeit der verschiedenen Arten anhand der morphologischen Eigenschaften gibt. Das erste, was mir in den Sinn kam, war …

9 pca discrete-data correspondence-analysis mixed-type-data

2

Verzerrte Variablen in der PCA- oder Faktoranalyse

Ich möchte eine Hauptkomponentenanalyse (Faktoranalyse) auf SPSS basierend auf 22 Variablen durchführen. Einige meiner Variablen sind jedoch sehr verzerrt (die aus SPSS berechnete Schiefe liegt zwischen 2 und 80!). Also hier sind meine Fragen: Sollte ich die verzerrten Variablen so beibehalten oder könnte ich die Variablen bei der Hauptkomponentenanalyse transformieren? …

9 pca factor-analysis dimensionality-reduction skewness

Als «pca» getaggte Fragen