pca पर टैग किए गए जवाब

प्रधान घटक विश्लेषण (पीसीए) एक रैखिक आयामी कमी तकनीक है। यह निर्माण किए गए चर के एक छोटे सेट के लिए एक बहुभिन्नरूपी डेटासेट को कम करता है जितना संभव हो उतना जानकारी (अधिक विचरण) के रूप में संरक्षित करता है। ये चर, जिन्हें प्रधान घटक कहा जाता है, इनपुट चर के रैखिक संयोजन हैं।

2
PCA में व्युत्क्रम सहसंयोजक मैट्रिक्स बनाम सहसंयोजक मैट्रिक्स
पीसीए में, क्या इससे कोई फर्क पड़ता है कि क्या हम व्युत्क्रम सहसंयोजक मैट्रिक्स के प्रमुख घटकों को लेते हैं या यदि हम बड़े प्रतिजन के अनुरूप सहसंयोजक मैट्रिक्स के eigenvectors को छोड़ देते हैं? यह इस पोस्ट में चर्चा से संबंधित है ।
2
क्या प्रिंसिपल कंपोनेंट एनालिसिस का इस्तेमाल स्टॉक की कीमतों / गैर-स्थिर डेटा पर किया जा सकता है?
मैं किताब, मशीन लर्निंग फॉर हैकर्स में दिए गए एक उदाहरण को पढ़ रहा हूं । मैं पहले उदाहरण पर विस्तार से बताऊंगा और फिर अपने प्रश्न के बारे में बात करूंगा। उदाहरण : 25 शेयर की कीमतों के 10 वर्षों के लिए एक डेटासेट लेता है। 25 शेयर की …
1
पीसीए का मतलब केवल बड़ी जोड़ीदार दूरी को संरक्षित करना है?
मैं वर्तमान में टी-एसएनई विज़ुअलाइज़ेशन तकनीक पर पढ़ रहा हूं और यह उल्लेख किया गया था कि उच्च-आयामी डेटा को विज़ुअलाइज़ करने के लिए प्रमुख घटक विश्लेषण (पीसीए) का उपयोग करने की एक खामी यह है कि यह केवल बिंदुओं के बीच बड़ी जोड़ीदार दूरी को संरक्षित करता है। अर्थ …
1
क्या बड़े पैमाने पर पीसीए भी संभव है?
प्रिंसिपल कंपोनेंट एनालिसिस '(PCA) क्लासिकल तरीके से इसे इनपुट डेटा मैट्रिक्स पर किया जाता है, जिसमें कॉलम का मतलब शून्य होता है (तब PCA "वेरिएंट को अधिकतम कर सकता है")। इसे स्तंभों को केंद्रित करके आसानी से प्राप्त किया जा सकता है। हॉवेनवर, जब इनपुट मैट्रिक्स विरल होता है, तो …
1
सभी पीएलएस घटक एक साथ मूल डेटा के विचरण का एक हिस्सा क्यों समझाते हैं?
मेरे पास एक डेटासेट है जिसमें 10 चर हैं। मैं इन 10 चर द्वारा एक प्रतिक्रिया प्रतिक्रिया चर की भविष्यवाणी करने के लिए आंशिक रूप से कम से कम वर्ग (PLS) भागा, 10 PLS घटक निकाले, और फिर प्रत्येक घटक के विचरण की गणना की। मूल डेटा पर मैंने सभी …
1
क्या पीसीए अभी भी सहसंयोजक मैट्रिक्स के एगेंडेकम्पोजीशन के माध्यम से किया जाता है जब आयामीता टिप्पणियों की संख्या से बड़ी होती है?
मेरे पास एक 20×10020×10020\times100 मैट्रिक्स Xएक्सX , जिसमें -डायमेंशनल स्पेस में मेरे N=20एन=20N=20 नमूने हैं। मैं अब मतलाब में अपने स्वयं के प्रमुख घटक विश्लेषण (पीसीए) को कोड करना चाहता हूं। मैं पहले को करता ।X X 0D=100डी=100D=100Xएक्सXX0X0X_0 मैं किसी के कोड से पढ़ता हूं कि ऐसे परिदृश्यों में जहां …
10 pca 
2
वर्गीकरण प्रयोजनों के लिए डेटा का परीक्षण करने के लिए पीसीए लागू करना
मैंने हाल ही में अद्भुत PCA के बारे में सीखा है और मैंने scikit-learn प्रलेखन में उल्लिखित उदाहरण किया है । मुझे यह जानने में दिलचस्पी है कि मैं वर्गीकरण उद्देश्यों के लिए पीसीए को नए डेटा बिंदुओं पर कैसे लागू कर सकता हूं। एक 2 आयामी विमान (एक्स, वाई …
1
Eigenvectors की दृश्य व्याख्या के बारे में उलझन: नेत्रहीन विभिन्न डेटासेट में एक ही eigenvectors कैसे हो सकते हैं?
बहुत सी सांख्यिकी पाठ्यपुस्तक एक सहज मैट्रिक्स के आइजनवेक्टर क्या हैं, का एक सहज चित्रण प्रदान करती हैं: वैक्टर यू और ज़ेड ईजेनवेक्टर (अच्छी तरह से, आइगेनैक्स) बनाते हैं। यह समझ में आता है। लेकिन एक चीज जो मुझे भ्रमित करती है, वह यह है कि हम ईजनवेक्टरों को सहसंबंध …
2
पीसीए फिट की गुणवत्ता का आकलन करने के लिए अच्छे मैट्रिक्स क्या हैं, ताकि घटकों की संख्या का चयन किया जा सके?
प्रमुख घटक विश्लेषण (पीसीए) की गुणवत्ता का आकलन करने के लिए एक अच्छा मीट्रिक क्या है? मैंने एक एल्गोरिथ्म पर इस एल्गोरिथ्म का प्रदर्शन किया। मेरा उद्देश्य सुविधाओं की संख्या को कम करना था (जानकारी बहुत बेमानी थी)। मुझे पता है कि हमारे पास रखी गई भिन्नता का प्रतिशत इस …
3
क्या आयाम में कमी हमेशा कुछ जानकारी खो देती है?
जैसे शीर्षक कहता है, क्या आयाम में कमी हमेशा कुछ जानकारी खो देती है? उदाहरण के लिए पीसीए पर विचार करें। यदि मेरे पास मौजूद डेटा बहुत विरल है, तो मुझे लगता है कि "बेहतर एन्कोडिंग" पाया जा सकता है (क्या यह किसी भी तरह डेटा की रैंक से संबंधित …
1
इस पीसीए की व्याख्या कैसे करें कि लोग किस क्षेत्र में रुचि रखते हैं, इस सर्वेक्षण से आ रहे हैं?
पृष्ठभूमि: मैंने अपने सर्वेक्षण में सैकड़ों प्रतिभागियों से पूछा कि वे चयनित क्षेत्रों में कितनी दिलचस्पी रखते हैं (पांच बिंदु लिकर्ट स्केल के साथ 1 इंगित करता है "रुचि नहीं" और 5 "रुचि" दर्शाता है)। फिर मैंने पीसीए की कोशिश की। नीचे दी गई तस्वीर पहले दो प्रमुख घटकों में …
3
बनाए रखने के लिए प्रमुख घटकों की संख्या का चयन
एक तरीका जो मुझे सुझाया गया था, उसका उपयोग करने के लिए पीसी की सही संख्या निर्धारित करने के लिए एक डरावनी साजिश को देखना और "कोहनी" की जांच करना है। लेकिन अगर भूखंड स्पष्ट नहीं है, तो क्या आर की संख्या निर्धारित करने के लिए गणना है? fit <- …
10 r  pca 
1
अनोवा (और ड्रॉप 1) जीएलएमएम के लिए अलग-अलग उत्तर क्यों प्रदान करते हैं?
मेरे पास फॉर्म का GLMM है: lmer(present? ~ factor1 + factor2 + continuous + factor1*continuous + (1 | factor3), family=binomial) जब मैं उपयोग करता हूं drop1(model, test="Chi"), तो मुझे Anova(model, type="III")कार के पैकेज से उपयोग करने की तुलना में अलग-अलग परिणाम मिलते हैं या summary(model)। ये उत्तरार्द्ध दो ही जवाब …
10 r  anova  glmm  r  mixed-model  bootstrap  sample-size  cross-validation  roc  auc  sampling  stratification  random-allocation  logistic  stata  interpretation  proportion  r  regression  multiple-regression  linear-model  lm  r  cross-validation  cart  rpart  logistic  generalized-linear-model  econometrics  experiment-design  causality  instrumental-variables  random-allocation  predictive-models  data-mining  estimation  contingency-tables  epidemiology  standard-deviation  mean  ancova  psychology  statistical-significance  cross-validation  synthetic-data  poisson-distribution  negative-binomial  bioinformatics  sequence-analysis  distributions  binomial  classification  k-means  distance  unsupervised-learning  euclidean  correlation  chi-squared  spearman-rho  forecasting  excel  exponential-smoothing  binomial  sample-size  r  change-point  wilcoxon-signed-rank  ranks  clustering  matlab  covariance  covariance-matrix  normal-distribution  simulation  random-generation  bivariate  standardization  confounding  z-statistic  forecasting  arima  minitab  poisson-distribution  negative-binomial  poisson-regression  overdispersion  probability  self-study  markov-process  estimation  maximum-likelihood  classification  pca  group-differences  chi-squared  survival  missing-data  contingency-tables  anova  proportion 
1
स्वतंत्र घटक विश्लेषण से घटकों के महत्व का आकलन करने के लिए कर्टोसिस का उपयोग करना
पीसीए में प्रतिजन घटकों के क्रम को निर्धारित करते हैं। ICA में मैं आदेश प्राप्त करने के लिए कुर्तोसिस का उपयोग कर रहा हूं। संख्या का आकलन करने के लिए कुछ स्वीकृत तरीके क्या हैं, (मुझे आदेश दिया गया है) घटकों के बारे में जो संकेत के बारे में पूर्व …
2
फैक्टर विश्लेषण (या पीसीए) में, 1 से अधिक लोड करने वाले कारक का क्या अर्थ है?
मैंने सिर्फ एक तिरछा घुमाव (प्रोमैक्स) का उपयोग करके एफए चलाया है और एक आइटम ने एक कारक पर 1.041 का एक कारक लोडिंग प्राप्त किया है, (और पैटर्न मैट्रिक्स का उपयोग करके अन्य कारकों पर -1.131, और -19 और .065 का कारक लोडिंग ) । और मुझे यकीन नहीं …
हमारी साइट का प्रयोग करके, आप स्वीकार करते हैं कि आपने हमारी Cookie Policy और निजता नीति को पढ़ और समझा लिया है।
Licensed under cc by-sa 3.0 with attribution required.