pca पर टैग किए गए जवाब

इस लेख में , लेखक रेखीय विभेदक विश्लेषण (LDA) को प्रमुख घटक विश्लेषण (PCA) से जोड़ता है। अपने सीमित ज्ञान के साथ, मैं यह पालन करने में सक्षम नहीं हूं कि एलडीए पीसीए के समान कैसे हो सकता है। मैंने हमेशा सोचा है कि एलडीए लॉजिस्टिक रिग्रेशन के समान वर्गीकरण …

19 classification  pca  dimensionality-reduction  discriminant-analysis  canonical-correlation 

मैं विषय (दोहरी) अंतरिक्ष में प्रमुख घटक विश्लेषण (पीसीए) कैसे काम करता है , इसकी सहज जानकारी प्राप्त करने की कोशिश कर रहा हूं । दो चर, के साथ 2 डी डाटासेट पर विचार करें और , और डेटा बिंदुओं (डेटा मैट्रिक्स है और केंद्रित हो माना जाता है)। पीसीए …

19 pca  linear-algebra  intuition  geometry 

मैं एक हालिया जर्नल लेख में "क्लस्टर कंप्यूटिंगमैन एट अल के साथ पैमाने पर मानचित्रण मस्तिष्क गतिविधि" शीर्षक से हाल ही में पीसीए के उपयोग को समझने की कोशिश कर रहा हूं , ( लैब वेबसाइट पर उपलब्ध मुफ्त पीडीएफ )। वे समय श्रृंखला डेटा पर पीसीए का उपयोग करते …

19 time-series  pca  state-space-models  neuroimaging  neuroscience 

मैंने अपने डेटासेट को सामान्य किया, फिर छोटे समझाया संस्करण अनुपात ([0.50, 0.1, 0.05]) प्राप्त करने के लिए 3 घटक पीसीए को चलाया। जब मैंने सामान्य नहीं किया, लेकिन मेरे डेटासेट को सफेद कर दिया, तो 3 घटक पीसीए चला, मुझे उच्च समझाया गया विचरण अनुपात ([0.86, 0.06,0.01]) मिला। चूंकि …

19 pca 

मैं जानना चाहूंगा कि क्या एक ही डेटा सेट पर प्रिंसिपल कंपोनेंट एनालिसिस (पीसीए) और एक्सप्लोसिव फैक्टर एनालिसिस (ईएफए) करने के लिए कोई तार्किक समझदारी है। मैंने पेशेवरों को स्पष्ट रूप से अनुशंसा करते सुना है: समझें कि विश्लेषण का लक्ष्य क्या है और डेटा विश्लेषण के लिए पीसीए या …

19 pca  factor-analysis 

मुझे याद है कि वेब पर कहीं भी रिज रिग्रेशन ( नियमितीकरण के साथ) और PCA रिग्रेशन के बीच एक कनेक्शन पढ़ा गया है : हाइपरपरमीटर साथ -इग्रेटेड रिग्रेशन का उपयोग करते समय , यदि , तो प्रतिगमन हटाने के बराबर है सबसे छोटे eigenvalue के साथ पीसी चर।ℓ2ℓ2\ell_2ℓ2ℓ2\ell_2λλ\lambdaλ→0λ→0\lambda \to …

19 regression  pca  regularization  ridge-regression 

मैं जावास्क्रिप्ट में प्रिंसिपल कंपोनेंट एनालिसिस (PCA) के लिए एक बाइपोलॉट लागू करना चाहता हूँ। मेरा सवाल है, मैं डेटा मैट्रिक्स के सिंगुलर वेक्टर अपघटन (एसवीडी) के तीर के निर्देशांक का निर्धारण कैसे करूं ?U,V,DU,V,DU,V,D यहाँ R द्वारा निर्मित एक उदाहरण biplot है: biplot(prcomp(iris[,1:4])) मैंने इसे बीप्लॉट पर विकिपीडिया लेख …

18 pca  svd  biplot 

मान लें कि मेरे पास स्वतंत्र स्रोत हैं, और मैं उत्तल मिश्रणों का निरीक्षण करता हूं : एक्स 1 , एक्स 2 , । । । , एक्स एन एम वाई 1nnnX1,X2,...,XnX1,X2,...,XnX_1, X_2, ..., X_nmmmY1...Ym=a11X1+a12X2+⋯+a1nXn=am1X1+am2X2+⋯+amnXnY1=a11X1+a12X2+⋯+a1nXn...Ym=am1X1+am2X2+⋯+amnXn\begin{align} Y_1 &= a_{11}X_1 + a_{12}X_2 + \cdots + a_{1n}X_n\\ ...&\\ Y_m &= a_{m1}X_1 + a_{m2}X_2 …

18 pca  ica 

मैं अपने डेटा \ mathbf X को रूपांतरित करना चाहता हूं, XX\mathbf Xजैसे कि संस्करण एक होंगे और सहसंयोजक शून्य होंगे (यानी मैं डेटा को सफेद करना चाहता हूं)। इसके अलावा साधन शून्य होना चाहिए। मुझे पता है कि मैं जेड-मानकीकरण और पीसीए-परिवर्तन करके वहां पहुंचूंगा, लेकिन मुझे उन्हें किस …

18 pca  linear-algebra 

मान लीजिए वेक्टर है कि डिजाइन मैट्रिक्स के साथ डेटा के प्रक्षेपण के विचरण अधिकतम है एक्स ।uuuXXX अब, मैंने उन सामग्रियों को देखा है जो डेटा के मुख्य घटक के रूप में संदर्भ देते हैं , जो कि सबसे बड़ा आइगेनवैल्यू के साथ आइजनवेक्टर भी है।uuu हालाँकि, मैंने यह …

18 pca  terminology  definition 

मैं यह तय करने की कोशिश कर रहा हूं कि पीसीए के एक घटक को बरकरार रखा जाएगा या नहीं। यहाँ या यहाँ जैसे वर्णित और तुलना की गई, eigenvalue के परिमाण के आधार पर, एक गजियन मानदंड हैं । हालाँकि, मेरे आवेदन में मुझे पता है कि बड़े (st) …

18 pca 

जब आप PCA विश्लेषण के लिए एक द्विपद का निर्माण करते हैं, तो आपके पास x- अक्ष पर मुख्य घटक PC1 स्कोर होता है और y- अक्ष पर PC2 स्कोर होता है। लेकिन स्क्रीन के दाईं और शीर्ष पर अन्य दो कुल्हाड़ी क्या हैं?

18 r  pca  biplot 

मैं एक पेपर में एक एल्गोरिथ्म को लागू करना चाहता हूं जो डेटा मैट्रिक्स को विघटित करने के लिए कर्नेल SVD का उपयोग करता है। इसलिए मैं कर्नेल विधियों और कर्नेल पीसीए आदि के बारे में सामग्री पढ़ रहा हूं, लेकिन यह अभी भी मेरे लिए बहुत अस्पष्ट है, खासकर …

18 pca  svd  kernel-trick 

मैं निम्नलिखित औचित्य (सीएस 229 कोर्स नोट्स से) पढ़ रहा था कि हम कच्चे डेटा को उसके मानक विचलन द्वारा क्यों विभाजित करते हैं: हालांकि मैं समझता हूं कि स्पष्टीकरण क्या कह रहा है, यह मेरे लिए स्पष्ट नहीं है कि मानक विचलन द्वारा विभाजित करने से ऐसा लक्ष्य क्यों …

17 machine-learning  pca  mathematical-statistics 

कुछ खोज के बाद, मुझे मुख्य घटकों के विश्लेषण में अवलोकन भार / माप त्रुटियों के समावेश पर बहुत कम लगता है। वेटिंग (उदाहरण के लिए, यहाँ ) को शामिल करने के लिए मुझे क्या करना चाहिए । मेरा प्रश्न यह है कि यह दृष्टिकोण क्यों आवश्यक है? हम भारित …

17 pca  measurement-error  weighted-data