Statistiques et Big Data pca

1

Quelle est la différence entre l'APC régulière et l'APC probabiliste?

Je sais que l'APC régulière ne suit pas le modèle probabiliste pour les données observées. Quelle est donc la différence fondamentale entre PCA et PPCA ? En PPCA, le modèle de variable latente contient par exemple les variables observées , latentes (variables non observées ) et une matrice qui n'a …

15 pca

2

Création d'un index unique à partir de plusieurs composants principaux ou facteurs retenus de PCA / FA

J'utilise l'analyse en composantes principales (ACP) pour créer un index requis pour mes recherches. Ma question est de savoir comment créer un index unique en utilisant les principaux composants retenus calculés via PCA. Par exemple, j'ai décidé de conserver 3 composantes principales après avoir utilisé l'ACP et j'ai calculé les …

15 pca factor-analysis rating composite scale-construction

1

Régression en

J'essaie de voir s'il faut opter pour la régression de crête , LASSO , la régression en composantes principales (PCR) ou les moindres carrés partiels (PLS) dans une situation où il y a un grand nombre de variables / caractéristiques ( ) et un plus petit nombre d'échantillons ( n …

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

3

Quelles sont les différences entre l'analyse sémantique latente (LSA), l'indexation sémantique latente (LSI) et la décomposition en valeurs singulières (SVD)?

Ces termes se mélangent beaucoup, mais j'aimerais savoir quelles sont, selon vous, les différences, le cas échéant. Merci

15 pca text-mining svd

5

Peut-on utiliser la régression multiple pour prédire un composant principal (PC) à partir de plusieurs autres PC?

Il y a quelque temps, un utilisateur de la liste de diffusion R-help a posé des questions sur la validité de l'utilisation des scores PCA dans une régression. L'utilisateur essaie d'utiliser des scores PC pour expliquer les variations sur un autre PC (voir la discussion complète ici ). La réponse …

15 regression pca

1

Y a-t-il une quantité requise de variance saisie par l'ACP pour effectuer des analyses ultérieures?

J'ai un ensemble de données avec 11 variables et PCA (orthogonal) a été fait pour réduire les données. Décider du nombre de composants à conserver était évident pour moi d'après mes connaissances sur le sujet et le tracé d'éboulis (voir ci-dessous) que deux composants principaux (PC) étaient suffisants pour expliquer …

15 variance pca

1

Quelle méthode de comparaison multiple utiliser pour un modèle lmer: lsmeans ou glht?

J'analyse un ensemble de données à l'aide d'un modèle à effets mixtes avec un effet fixe (condition) et deux effets aléatoires (participant en raison de la conception et de la paire du sujet). Le modèle a été généré avec le lme4package: exp.model<-lmer(outcome~condition+(1|participant)+(1|pair),data=exp). Ensuite, j'ai effectué un test de rapport de …

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

Quelle est la signification des vecteurs propres d'une matrice d'information mutuelle?

En regardant les vecteurs propres de la matrice de covariance, nous obtenons les directions de variance maximale (le premier vecteur propre est la direction dans laquelle les données varient le plus, etc.); c'est ce qu'on appelle l'analyse en composantes principales (ACP). Je me demandais ce que cela signifierait de regarder …

14 pca entropy mutual-information eigenvalues

1

Comment le «théorème fondamental de l'analyse factorielle» s'applique-t-il à l'ACP, ou comment les charges de l'ACP sont-elles définies?

Je passe actuellement par un jeu de diapositives que j'ai pour "l'analyse factorielle" (PCA pour autant que je sache). On y dérive le "théorème fondamental de l'analyse factorielle" qui prétend que la matrice de corrélation des données entrant dans l'analyse ( ) peut être récupérée en utilisant la matrice des …

14 pca factor-analysis terminology definition

2

Pourquoi la sphéricité diagnostiquée par le test de Bartlett signifie-t-elle qu'une ACP est inappropriée?

Je comprends que le test de Bartlett vise à déterminer si vos échantillons proviennent de populations présentant des variances égales. Si les échantillons proviennent de populations à variances égales, nous ne rejetons pas l'hypothèse nulle du test, et donc une analyse en composantes principales est inappropriée. Je ne sais pas …

14 variance pca heteroscedasticity

4

Quelles variables expliquent quels composants de l'ACP et vice versa?

En utilisant ces données: head(USArrests) nrow(USArrests) Je peux faire un PCA ainsi: plot(USArrests) otherPCA <- princomp(USArrests) Je peux intégrer les nouveaux composants otherPCA$scores et la proportion de variance expliquée par les composantes avec summary(otherPCA) Mais que faire si je veux savoir quelles variables sont principalement expliquées par quels composants principaux? …

14 r pca dimensionality-reduction regression-strategies

1

Que signifient les flèches dans un biplot PCA?

Considérez le biplot PCA suivant: 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) Il y a un tas de flèches rouges tracées, que signifient-elles? Je savais que la première flèche étiquetée "Var1" devrait pointer dans la direction la plus variable …

14 r pca linear-algebra biplot

3

Comment puis-je interpréter ce que je retire de l'ACP?

Dans le cadre d'une mission universitaire, je dois effectuer un prétraitement des données sur un ensemble de données brutes assez vaste et multivarié (> 10). Je ne suis pas un statisticien dans aucun sens du mot, donc je suis un peu confus quant à ce qui se passe. Je m'excuse …

14 pca

2

Puis-je utiliser la CLR (transformation log-ratio centrée) pour préparer les données pour l'ACP?

J'utilise un script. C'est pour les enregistrements de base. J'ai un dataframe qui montre les différentes compositions élémentaires dans les colonnes sur une profondeur donnée (dans la première colonne). Je veux effectuer un PCA avec et je suis confus quant à la méthode de standardisation que je dois choisir. L'un …

13 r pca normalization compositional-data

1

Pourquoi Daniel Wilks (2011) dit-il que la régression en composantes principales «sera biaisée»?

Dans Statistical Methods in the Atmospheric Sciences , Daniel Wilks note que la régression linéaire multiple peut entraîner des problèmes s'il existe de très fortes intercorrélations entre les prédicteurs (3e édition, pages 559-560): Une pathologie qui peut se produire dans une régression linéaire multiple est qu'un ensemble de variables prédictives …

13 regression pca bias

Questions marquées «pca»