सांख्यिकी और बिग डेटा pca

1

डैनियल विल्क्स (2011) का कहना है कि प्रमुख घटक प्रतिगमन "पक्षपातपूर्ण" होगा?

में वायुमंडलीय विज्ञान में सांख्यिकीय तरीकों , डैनियल विल्क्स नोट एकाधिक रेखीय प्रतीपगमन समस्याओं को जन्म दे सकता है कि अगर वहाँ भविष्यवक्ताओं के बीच बहुत मजबूत intercorrelations (3 संस्करण, पेज 559-560) कर रहे हैं: एक पैथोलॉजी जो कई रेखीय प्रतिगमन में हो सकती है, यह है कि मजबूत पारस्परिक …

13 regression pca bias

1

पर्यवेक्षित आयामीता में कमी

मेरे पास एक डेटा सेट है जिसमें 15K लेबल वाले नमूने हैं (10 समूहों में से)। मैं 2 आयामों में आयामी कमी को लागू करना चाहता हूं, जो कि लेबल के ज्ञान को ध्यान में रखेगा। जब मैं पीसीए जैसी "मानक" अनुपयोगी आयामी कमी तकनीकों का उपयोग करता हूं, तो …

13 machine-learning pca dimensionality-reduction supervised-learning discriminant-analysis

1

"घुमाया गया" और "असंबद्ध" प्रमुख घटक क्या हैं, यह देखते हुए कि पीसीए हमेशा निर्देशांक अक्षों को घुमाता है?

जहां तक मैं समझता हूं, मुख्य घटकों को अधिकतम विचरण की दिशाओं के साथ संरेखित करने के लिए समन्वय अक्षों को घुमाकर प्राप्त किया जाता है। फिर भी, मैं "अनरेटेड प्रिंसिपल कंपोनेंट्स" के बारे में पढ़ता रहता हूं और मेरे आँकड़े सॉफ्टवेयर (एसएएस) मुझे वेरिमैक्स-रोटेटेड प्रिंसिपल कंपोनेंट्स के साथ-साथ अनारक्षित …

13 pca terminology factor-rotation

2

सुविधा चयन और आयामीता में कमी के बीच क्या अंतर है?

मुझे पता है कि दोनों सुविधाओं के चयन और आयामीता में कमी का उद्देश्य सुविधाओं के मूल सेट में सुविधाओं की संख्या को कम करना है। यदि हम दोनों में समान कार्य कर रहे हैं, तो दोनों में क्या अंतर है?

13 machine-learning pca feature-selection dimensionality-reduction

1

पीसीए लोडिंग की व्याख्या कैसे करें?

पीसीए के बारे में पढ़ते हुए, मैं निम्नलिखित स्पष्टीकरण पर आया: मान लें कि हमारे पास एक डेटा सेट है जहां प्रत्येक डेटा बिंदु एक गणित परीक्षा, एक भौतिकी परीक्षण, एक पढ़ने की समझ परीक्षण और एक शब्दावली परीक्षण पर एक एकल छात्र के अंकों का प्रतिनिधित्व करता है। हम …

13 pca

3

Lindsay Smith के ट्यूटोरियल का उपयोग करते हुए R में PCA के चरणबद्ध तरीके से कार्यान्वयन

मैं लिंडसे I स्मिथ द्वारा एक उत्कृष्ट पीसीए ट्यूटोरियल के माध्यम से आर में काम कर रहा हूं और अंतिम चरण में फंस रहा हूं । नीचे दी गई आर स्क्रिप्ट हमें स्टेज पर ले जाती है (पी .१ ९ पर) जहां मूल डेटा (इस मामले में एकवचन) से प्रिंसिपल …

13 r pca

2

पीसीए घटकों का चयन करना जो समूहों को अलग करता है

मैं अक्सर पीसीए (सैकड़ों सैकड़ों चर और दर्जनों या सैकड़ों नमूनों के साथ ओमिक्स डेटा) का उपयोग करके अपने बहुभिन्नरूपी डेटा का निदान करता था। डेटा अक्सर कई समूहों को परिभाषित करने वाले कई स्पष्ट स्वतंत्र चर के साथ प्रयोगों से आते हैं, और मुझे अक्सर कुछ घटकों से गुजरना …

13 pca linear-model r-squared discriminant-analysis

3

आर में varimax- घुमाए गए प्रमुख घटकों की गणना कैसे करें?

मैंने 25 चर पर पीसीए चलाया और शीर्ष 7 पीसी का चयन किया prcomp। prc <- prcomp(pollutions, center=T, scale=T, retx=T) मैंने तब उन घटकों पर वरीमैक्स रोटेशन किया है। varimax7 <- varimax(prc$rotation[,1:7]) और अब मैं पीसीए-रोटेट किए गए डेटा को बारी बारी से करना चाहता हूं (क्योंकि यह वेरिमैक्स ऑब्जेक्ट …

13 r pca factor-rotation

2

एक यादृच्छिक मैट्रिक्स के लिए, एक SVD को कुछ भी स्पष्ट नहीं करना चाहिए? मैं क्या गलत कर रहा हूं?

अगर मैं पूरी तरह से यादृच्छिक डेटा से बना 2-डी मैट्रिक्स का निर्माण करता हूं, तो मैं पीसीए और एसवीडी घटकों को अनिवार्य रूप से कुछ भी नहीं समझाने की उम्मीद करूंगा। इसके बजाय, ऐसा लगता है कि पहला SVD कॉलम 75% डेटा की व्याख्या करता प्रतीत होता है। यह …

13 r pca svd

3

क्या PCA के घटक वास्तव में विचरण के प्रतिशत का प्रतिनिधित्व करते हैं? क्या वे 100% से अधिक का योग कर सकते हैं?

ओ 'रेली की "मशीन लर्निंग फॉर हैकर्स" का कहना है कि प्रत्येक प्रमुख घटक विचरण के प्रतिशत का प्रतिनिधित्व करता है। मैंने नीचे पृष्ठ का प्रासंगिक भाग उद्धृत किया है (अध्याय 8, पृष्ठ 207)। एक अन्य विशेषज्ञ से बात करते हुए, उन्होंने माना कि यह प्रतिशत है। हालांकि 24 घटक …

13 r pca

2

क्या मैं डेटा कमी के लिए दोहराया उपायों पर एक पीसीए कर सकता हूं?

मेरे पास 2 संदर्भों में से प्रत्येक में 87 जानवरों पर 3 परीक्षण हैं (कुछ लापता डेटा; कोई अनुपलब्ध डेटा = 64 जानवर)। एक संदर्भ में, मैं कई विशिष्ट उपायों (समय दर्ज करने के लिए, आश्रय की ओर लौटने के समय की संख्या, आदि) तो मैं (उन्हें फोन 2 से …

13 repeated-measures pca dimensionality-reduction

5

विभिन्न लंबाई की समय श्रृंखला के लिए एसवीडी की गतिशीलता में कमी

मैं एक विलक्षण कमी तकनीक के रूप में एकवचन मूल्य अपघटन का उपयोग कर रहा हूं। Nआयाम के वैक्टर को देखते हुए D, यह विचार असंबद्ध आयामों के एक परिवर्तित स्थान में सुविधाओं का प्रतिनिधित्व करने के लिए है, जो महत्व के घटते क्रम में इस स्थान के आइजनवेक्टर्स में …

13 time-series machine-learning pca data-transformation multivariate-analysis

3

पीसीए अनुकूलन उत्तल है?

प्रिंसिपल कंपोनेंट एनालिसिस (PCA) का उद्देश्य फ़ंक्शन L2 मानदंड में पुनर्निर्माण त्रुटि को कम कर रहा है (अनुभाग 2.12 यहां देखें । एक और दृश्य प्रक्षेपण पर विचरण को अधिकतम करने की कोशिश कर रहा है। हमारे पास यहां एक उत्कृष्ट पोस्ट भी है: PCA का उद्देश्य फ़ंक्शन क्या है। …

13 machine-learning pca optimization convex

1

GBM पैकेज बनाम Caret GBM का उपयोग कर

मैं मॉडल ट्यूनिंग का उपयोग कर रहा हूं caret, लेकिन फिर gbmपैकेज का उपयोग करके मॉडल को फिर से चलाना । यह मेरी समझ है कि caretपैकेज का उपयोग होता है gbmऔर आउटपुट समान होना चाहिए। हालाँकि, data(iris)मूल्यांकन के रूप में RMSE और R ^ 2 का उपयोग करके लगभग …

13 r caret gbm matrix linear-algebra logistic modeling logit ordered-logit r confidence-interval survival population weibull classification separation hypothesis-testing correlation statistical-significance p-value python r data-visualization r regression multiple-regression chi-squared multivariate-analysis distributions random-variable experiment-design distributions poisson-regression residuals excel time-series garch var survival modeling cox-model interaction r pca normality-assumption

1

निरंतर और बाइनरी चर के मिश्रण पर आधारित पीसीए और घटक स्कोर

मैं एक डेटासेट पर एक पीसीए लागू करना चाहता हूं, जिसमें मिश्रित प्रकार के चर (निरंतर और बाइनरी) शामिल हैं। प्रक्रिया का वर्णन करने के लिए, मैं नीचे आर में एक न्यूनतम प्रतिलिपि प्रस्तुत करने योग्य उदाहरण पेस्ट करता हूं। # Generate synthetic dataset set.seed(12345) n <- 100 x1 <- …

13 r pca

pca पर टैग किए गए जवाब