प्रमुख घटक विश्लेषण में द्विपद की व्याख्या

30

मैं इस अच्छे ट्यूटोरियल में आया: आर। अध्याय 13. प्रिंसिपल कंपोनेंट एनालिसिस का उपयोग करके सांख्यिकीय विश्लेषण की एक हैंडबुक: ओलंपिक हेप्टाथलॉन आर पीसी भाषा में पीसीए कैसे करें। मैं चित्र 13.3 की व्याख्या को नहीं समझता:

biplot

तो मैं पहले eigenvector बनाम दूसरे eigenvector की साजिश रच रहा हूं। इसका क्या मतलब है? मान लीजिए कि पहले eigenvector के अनुरूप eigenvalue डेटा सेट में 60% भिन्नता बताता है और दूसरा eigenvalue-eigenvector 20% भिन्नता को समझाता है। एक-दूसरे के खिलाफ साजिश करने का क्या मतलब है?

— user862
स्रोत

1

यह भी देखें आंकड़े ।stackexchange.com / q / 73286/ 3277 , ysts.stackexchange.com / q / 147671 / 3277 , ysts.stackexchange.com / q / 137240 / 3277 ।

— ttnphns

22

$p$ $p$ $X$ $n \times p$

$Xu$ $u$ $p$ चर, या उसके संयोजन। आपके मामले में, HSAUR में चित्र 13.3 से पता चलता है कि जॉयनर-केर्सी (जे-के) का 1 अक्ष पर एक उच्च (नकारात्मक) स्कोर है, यह सुझाव देते हुए कि उसने सभी घटनाओं पर कुल मिलाकर काफी अच्छा प्रदर्शन किया है। तर्क की एक ही पंक्ति दूसरी धुरी की व्याख्या के लिए लागू होती है। मैं आंकड़े पर बहुत कम नज़र रखता हूं इसलिए मैं विवरण में नहीं जाऊंगा और मेरी व्याख्या निश्चित रूप से सतही है। मुझे लगता है कि आपको HSAUR पाठ्यपुस्तक में और जानकारी मिलेगी। यहां यह ध्यान देने योग्य है कि दोनों चर और व्यक्ति एक ही आरेख पर दिखाए जाते हैं (इसे द्विपद कहा जाता है $r(x_1,x_2)=\cos^2(x_1,x_2)$

हालांकि, मुझे लगता है कि आप पीसीए-आधारित विधियों में गहरी जानकारी प्राप्त करने के लिए मल्टीवेरिएट विश्लेषण पर कुछ परिचयात्मक पुस्तक पढ़ना शुरू करेंगे। उदाहरण के लिए, बी एस Everitt इस विषय पर एक उत्कृष्ट पाठ्यपुस्तक लिखा एक आर और एस प्लस ^® बहुभिन्नरूपी विश्लेषण करने के लिए साथी है, और आप जाँच कर सकते हैं साथी वेबसाइट उदाहरण के लिए। लागू किए गए बहुभिन्नरूपी डेटा विश्लेषण के लिए अन्य महान आर पैकेज हैं, जैसे ade4 और FactoMineR ।

— CHL
स्रोत

r (x_{1}, x_{2}) = \cos (x_{1}, x_{2})

$r(x_1, x_2) = \cos(x_1, x_2)$

\cos^{2} (x_{1}, x_{2})

$\cos^2(x_1, x_2)$ ?

— hlinee

21

साजिश दिखा रहा है:

पहले दो प्रमुख घटकों पर प्रत्येक मामले (यानी, एथलीट) का स्कोर
पहले दो प्रमुख घटकों पर प्रत्येक चर (यानी, प्रत्येक खेल घटना) का लोडिंग।

बाईं और नीचे की कुल्हाड़ी दिखा रहे हैं [सामान्यीकृत] प्रमुख घटक स्कोर; शीर्ष और दाएं कुल्हाड़ी लोडिंग दिखा रहे हैं।

सामान्य तौर पर यह माना जाता है कि दो घटक मामलों और संरचना की संरचना का एक सार्थक दृश्य प्रतिनिधित्व प्रदान करने के लिए पर्याप्त मात्रा में विचरण की व्याख्या करते हैं।

आप यह देखने के लिए देख सकते हैं कि अंतरिक्ष में कौन-सी घटनाएं एक साथ करीब हैं। जहां यह लागू होता है, यह सुझाव दे सकता है कि एक घटना में अच्छे होने वाले एथलीट अन्य समीपवर्ती घटनाओं में भी अच्छे होने की संभावना रखते हैं। वैकल्पिक रूप से आप साजिश का उपयोग करके देख सकते हैं कि कौन सी घटनाएँ दूर हैं। उदाहरण के लिए, भाला बाहर की ओर थोड़ा सा प्रतीत होता है और एक प्रमुख घटना दूसरे प्रमुख घटक को परिभाषित करती है। शायद एक अलग तरह का एथलीट भाला पर भाला मारने की तुलना में अन्य घटनाओं में सबसे अच्छा है।

बेशक, अधिक व्याख्या के बारे में कहा जा सकता है।

— जेरोमी एंग्लिम
स्रोत

2

यह भी देखें: पीसीए बाइप्लॉट पर चार अक्ष क्या हैं?

— अमीबा का कहना है कि मोनिका

2

यह भी देखें: एक पीसीए द्विध्रुव पर तीर की स्थिति ।

— अमीबा का कहना है कि मोनिका