Statistiken und Big Data pca

1

Was ist der Unterschied zwischen regulärer PCA und probabilistischer PCA?

Ich weiß, dass reguläre PCA nicht dem Wahrscheinlichkeitsmodell für beobachtete Daten folgt. Was ist der grundlegende Unterschied zwischen PCA und PPCA ? In PPCA enthält das latente Variablenmodell zum Beispiel beobachtete Variablen , latente (nicht beobachtete Variablen ) und eine Matrix , die nicht wie bei regulären PCA orthonormal sein …

15 pca

2

Erstellen eines einzelnen Index aus mehreren Hauptkomponenten oder Faktoren, die von PCA / FA beibehalten wurden

Ich verwende die Hauptkomponentenanalyse (Principal Component Analysis, PCA), um einen Index zu erstellen, der für meine Forschung erforderlich ist. Meine Frage ist, wie ich einen einzelnen Index erstellen soll, indem ich die über PCA berechneten beibehaltenen Hauptkomponenten verwende. Zum Beispiel habe ich beschlossen, 3 Hauptkomponenten nach der Verwendung von PCA …

15 pca factor-analysis rating composite scale-construction

1

Regression in der Einstellung : Wie wird die Regularisierungsmethode gewählt (Lasso, PLS, PCR, Ridge)?

Ich versuche herauszufinden , ob Ridge Regression , LASSO , Principal Component Regression (PCR) oder Partial Least Squares (PLS) in einer Situation mit einer großen Anzahl von Variablen / Merkmalen ( ) und einer geringeren Anzahl von Stichproben ( ), und mein Ziel ist die Vorhersage.pppn<pn<pn n , meistens ;p>10np>10np>10n …

15 regression pca lasso ridge-regression partial-least-squares

3

Was sind die Unterschiede zwischen Latent Semantic Analysis (LSA), Latent Semantic Indexing (LSI) und Singular Value Decomposition (SVD)?

Diese Begriffe werden oft zusammengewürfelt, aber ich würde gerne wissen, was Ihrer Meinung nach die Unterschiede sind, wenn überhaupt. Vielen Dank

15 pca text-mining svd

5

Kann man mehrere Regressionen verwenden, um eine Hauptkomponente (PC) von mehreren anderen PCs vorherzusagen?

Vor einiger Zeit fragte ein Benutzer auf der R-Help-Mailingliste nach der Richtigkeit der Verwendung von PCA-Scores in einer Regression. Der Benutzer versucht, einige PC-Scores zu verwenden, um Variationen in einem anderen PC zu erklären (siehe vollständige Diskussion hier ). Die Antwort war: Nein, das ist kein Ton, weil die PCs …

15 regression pca

1

Gibt es eine erforderliche Menge an Varianz, die von PCA erfasst wird, um spätere Analysen durchzuführen?

Ich habe einen Datensatz mit 11 Variablen und PCA (orthogonal) wurde gemacht, um die Daten zu reduzieren. Die Wahl der Anzahl der Komponenten, die beibehalten werden sollen, ergab sich für mich aus meinem Fachwissen und dem Geröllplot (siehe unten), dass zwei Hauptkomponenten (PCs) ausreichten, um die Daten zu erläutern, und …

15 variance pca

1

Welche Mehrfachvergleichsmethode kann für ein älteres Modell verwendet werden: lsmeans oder glht?

Ich analysiere einen Datensatz unter Verwendung eines gemischten Effektmodells mit einem festen Effekt (Bedingung) und zwei zufälligen Effekten (Teilnehmer aufgrund des innerhalb des Motivs und des Paares). Das Modell wurde mit dem erzeugten lme4Paket: exp.model<-lmer(outcome~condition+(1|participant)+(1|pair),data=exp). Als nächstes führte ich einen Likelihood-Ratio-Test dieses Modells gegen das Modell ohne festen Effekt (Bedingung) …

15 r repeated-measures multiple-comparisons post-hoc lsmeans bayesian posterior marginal integral anova time-series regularization machine-learning pca computational-statistics references inference regression cross-validation python random-forest chi-squared spearman-rho r machine-learning confidence-interval bagging clustering feature-selection model-selection bic hypothesis-testing kurtosis r regression residuals terminology

1

Was bedeuten die Eigenvektoren einer gegenseitigen Informationsmatrix?

Wenn wir die Eigenvektoren der Kovarianzmatrix betrachten, erhalten wir die Richtungen der maximalen Varianz (der erste Eigenvektor ist die Richtung, in der die Daten am stärksten variieren, usw.); Dies wird als Hauptkomponentenanalyse (PCA) bezeichnet. Ich fragte mich, was es bedeuten würde, auf die Eigenvektoren / Werte der gegenseitigen Informationsmatrix zu …

14 pca entropy mutual-information eigenvalues

1

Wie ist der „Fundamentalsatz der Faktoranalyse“ auf PCA anwendbar, oder wie sind PCA-Ladungen definiert?

Ich bin gerade dabei, ein Dia-Set für die "Faktoranalyse" zu durchlaufen (PCA, soweit ich das beurteilen kann). Darin wird der "Fundamentalsatz der Faktoranalyse" abgeleitet, der besagt, dass die Korrelationsmatrix der in die Analyse Daten ( ) unter Verwendung der Matrix der Faktorladungen ( ) wiederhergestellt werden kann :RR\bf RAA\bf A …

14 pca factor-analysis terminology definition

2

Warum bedeutet die durch Bartlett-Test diagnostizierte Sphärizität, dass eine PCA unangemessen ist?

Ich verstehe, dass es bei Bartletts Test darum geht, festzustellen, ob Ihre Proben aus Populationen mit gleichen Varianzen stammen. Wenn die Stichproben aus Populationen mit gleichen Varianzen stammen, wird die Nullhypothese des Tests nicht zurückgewiesen, und daher ist eine Hauptkomponentenanalyse ungeeignet. Ich bin nicht sicher, wo das Problem mit dieser …

14 variance pca heteroscedasticity

4

Welche Variablen erklären welche PCA-Komponenten und umgekehrt?

Verwendung dieser Daten: head(USArrests) nrow(USArrests) Ich kann eine PCA wie folgt durchführen: plot(USArrests) otherPCA <- princomp(USArrests) Ich kann die neuen Komponenten bekommen otherPCA$scores und der Anteil der Varianz erklärt durch Komponenten mit summary(otherPCA) Aber was ist, wenn ich wissen möchte, welche Variablen hauptsächlich durch welche Hauptkomponenten erklärt werden? Und umgekehrt: …

14 r pca dimensionality-reduction regression-strategies

1

Was bedeuten die Pfeile in einem PCA-Biplot?

Betrachten Sie den folgenden PCA-Biplot: library(mvtnorm) set.seed(1) x <- rmvnorm(2000, rep(0, 6), diag(c(5, rep(1,5)))) x <- scale(x, center=T, scale=F) pc <- princomp(x) biplot(pc) Es sind ein paar rote Pfeile eingezeichnet. Was bedeuten sie? Ich wusste, dass der erste mit "Var1" beschriftete Pfeil in die unterschiedlichste Richtung des Datensatzes zeigen sollte …

14 r pca linear-algebra biplot

3

Wie kann ich interpretieren, was ich von PCA bekomme?

Im Rahmen eines Universitätsauftrages muss ich eine Datenvorverarbeitung für einen ziemlich großen, multivariaten (> 10) Rohdatensatz durchführen. Ich bin kein Statistiker im wahrsten Sinne des Wortes, also bin ich ein wenig verwirrt, was los ist. Entschuldigung im Voraus für die wahrscheinlich lächerlich einfache Frage - mein Kopf dreht sich, nachdem …

14 pca

2

Kann ich die CLR (Centered Log Ratio Transformation) verwenden, um Daten für PCA vorzubereiten?

Ich benutze ein Skript. Es ist für Kernaufzeichnungen. Ich habe einen Datenrahmen, der die verschiedenen Elementzusammensetzungen in den Spalten über eine gegebene Tiefe (in der ersten Spalte) zeigt. Ich möchte damit eine PCA durchführen und bin verwirrt über die zu wählende Standardisierungsmethode. Hat jemand von euch das benutzt clr(), um …

13 r pca normalization compositional-data

1

Warum sagt Daniel Wilks (2011), dass die Regression der Hauptkomponenten „voreingenommen sein wird“?

In Statistical Methods in the Atmospheric Sciences stellt Daniel Wilks fest, dass multiple lineare Regression zu Problemen führen kann, wenn zwischen den Prädiktoren sehr starke Wechselbeziehungen bestehen (3. Auflage, Seite 559-560): Eine Pathologie, die bei der multiplen linearen Regression auftreten kann, besteht darin, dass ein Satz von Prädiktorvariablen mit starken …

13 regression pca bias

Als «pca» getaggte Fragen