Statistiques et Big Data pca

1

Qu'est-ce qu'une forme de coin du tracé PCA indique?

Dans leur article sur autoencoders pour la classification texte Hinton et Salakhutdinov démontré l'intrigue produit par 2 dimensions LSA (qui est étroitement liée à la PCA): . En appliquant l'ACP à des données dimensionnelles légèrement différentes, absolument différentes, j'ai obtenu un tracé similaire: (sauf dans ce cas, je voulais vraiment …

9 data-visualization pca

3

Faites pivoter les composants PCA pour égaliser la variance de chaque composant

J'essaie de réduire la dimensionnalité et le bruit d'un ensemble de données en effectuant l'ACP sur l'ensemble de données et en jetant les derniers PC. Après cela, je veux utiliser certains algorithmes d'apprentissage automatique sur les PC restants, et donc je veux normaliser les données en égalisant la variance des …

9 variance pca factor-rotation

3

Comment puis-je savoir qu'il n'y a pas de tendance dans les résultats de l'ACP?

J'ai un ensemble de données de 1000+ échantillons de 19 variables. Mon objectif est de prédire une variable binaire basée sur les 18 autres variables (binaires et continues). Je suis assez confiant que 6 des variables de prédiction sont associées à la réponse binaire, cependant, je voudrais analyser davantage l'ensemble …

9 pca

1

Comment appliquer une régression sur les composants principaux pour prédire une variable de sortie?

Je lis sur les bases de l' analyse des composants principaux de tutorial1 , link1 et lien2 . J'ai un ensemble de données de 100 variables (y compris la variable de sortie Y), je veux réduire les variables à 40 par PCA, puis prédire la variable Y en utilisant ces …

9 regression pca

1

Pourquoi les scores des composantes principales ne sont-ils pas corrélés?

Supose est une matrice de données moyenne centrée. La matrice est , a valeurs propres distinctes et vecteurs propres , ... , qui sont orthogonaux.S = cov ( A ) m × m m s 1 s 2 s mUNEA\mathbf AS =cov( A )S=cov(A)\mathbf S=\text{cov}(\mathbf A)m × mm×mm\times mmmms1s1\mathbf s_1s2s2\mathbf …

9 correlation pca linear-algebra

2

Conclusions de la sortie d'une analyse en composantes principales

J'essaie de comprendre la sortie de l'analyse des composants principaux effectuée comme suit: > 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 …

9 r pca interpretation

1

Que fait PCA avec les données autocorrélées?

Juste parce qu'un correspondant a posé une question intéressante concernant les méthodes de calcul de l'autocorrélation, j'ai commencé à jouer avec, presque sans aucune connaissance des séries chronologiques et de l'autocorrélation. Le correspondant a disposé ses données ( points de données d'une série chronologique) décalées d'un décalage de temps en …

9 time-series pca

1

Quels critères utiliser pour séparer les variables en variables explicatives et réponses pour les méthodes d'ordination en écologie?

J'ai différentes variables qui interagissent au sein d'une population. Fondamentalement, j'ai fait un inventaire des mille-pattes et mesuré d'autres valeurs du terrain, comme: L'espèce et la quantité de spécimens collectés Les différents environnements où se trouvent les animaux le pH Le pourcentage de matière organique la quantité de P, K, …

9 pca multivariate-analysis ecology correspondence-analysis

3

L'ICA doit-il d'abord exécuter PCA?

J'ai passé en revue un article basé sur l'application disant que l'application de l'APC avant d'appliquer l'ICA (en utilisant le package fastICA). Ma question est la suivante: ICA (fastICA) nécessite-t-il que PCA soit exécuté en premier? Ce document mentionne que ... il est également soutenu que la pré-application de l'ACP …

9 pca dimensionality-reduction pattern-recognition ica

4

Technique non orthogonale analogue à l'ACP

Supposons que j'ai un jeu de données ponctuelles 2D et que je veuille détecter les directions de tous les maxima locaux de variance dans les données, par exemple: L'ACP n'aide pas dans cette situation car il s'agit d'une décomposition orthogonale et ne peut donc pas détecter les deux lignes que …

9 pca dimensionality-reduction

2

Sélection du nombre de composants principaux clairsemés à inclure dans la régression

Quelqu'un a-t-il de l'expérience avec les approches de sélection du nombre de composants principaux clairsemés à inclure dans un modèle de régression?

9 pca sparse regression-strategies

1

Utilisation de l'analyse des composants principaux par rapport à l'analyse des correspondances

J'analyse un ensemble de données concernant les communautés intertidales. Les données sont le pourcentage de couverture (d'algues, bernaches, moules, etc.) en quadrats. J'ai l'habitude de penser à l'analyse des correspondances (AC) en termes de dénombrement des espèces et à l'analyse en composantes principales (ACP) comme quelque chose de plus utile …

9 r pca multivariate-analysis correspondence-analysis

1

L'ACC entre deux ensembles de données identiques est-elle équivalente à l'ACP sur cet ensemble de données?

En lisant Wikipédia sur l'analyse de corrélation canonique (CCA) pour deux vecteurs aléatoires et Y , je me demandais si l'anslysis du composant principal (PCA) est le même que le CCA lorsque X = Y ?XXXYYYX=YX=YX=Y

9 pca multivariate-analysis canonical-correlation

1

Données discrètes et alternatives à l'ACP

J'ai un ensemble de données de variables discrètes (ordinales, méristiques et nominales) décrivant les caractères morphologiques des ailes de plusieurs espèces d'insectes étroitement apparentées. Ce que je cherche à faire, c'est de mener une sorte d'analyse qui me donnerait une représentation visuelle de la similitude des différentes espèces en fonction …

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

2

Variables asymétriques dans l'ACP ou l'analyse factorielle

Je veux faire une analyse en composantes principales (analyse factorielle) sur SPSS basée sur 22 variables. Cependant, certaines de mes variables sont très asymétriques (l'asymétrie calculée à partir de SPSS varie de 2 à 80!). Donc, voici mes questions: Dois-je conserver les variables asymétriques comme cela ou pourrais-je transformer les …

9 pca factor-analysis dimensionality-reduction skewness

Questions marquées «pca»