Preguntas etiquetadas con biplot

Biplot o dual plot es un gráfico exploratorio para presentar, como puntos o vectores, tanto las observaciones (muestra) como las variables de los datos. Los ejes son típicamente dimensiones principales latentes. Biplot se utiliza a menudo para representar análisis de componentes principales, análisis de correspondencia y otros métodos multivariados.

3
Visualizando un millón, edición PCA
¿Es posible visualizar el resultado del análisis de componentes principales de manera que proporcione más información que solo tablas de resumen? ¿Es posible hacerlo cuando el número de observaciones es grande, digamos ~ 1e4? ¿Y es posible hacerlo en R [otros entornos bienvenidos]?
1
Posicionar las flechas en un biplot PCA
Estoy buscando implementar un biplot para el análisis de componentes principales (PCA) en JavaScript. Mi pregunta es, ¿cómo determino las coordenadas de las flechas a partir de la salida U,V,DU,V,DU,V,D de la descomposición vectorial singular (SVD) de la matriz de datos? Aquí hay un ejemplo de biplot producido por R: …
18 pca  svd  biplot 
2
¿Cuáles son los cuatro ejes en biplot PCA?
Cuando construye un biplot para un análisis de PCA, tiene puntajes de PC1 del componente principal en el eje xy puntajes de PC2 en el eje y. ¿Pero cuáles son los otros dos ejes a la derecha y la parte superior de la pantalla?
18 r  pca  biplot 
1
¿Cuál es la medida de asociación adecuada de una variable con un componente PCA (en un diagrama biplot / carga)?
Estoy usando FactoMineRpara reducir mi conjunto de datos de mediciones a las variables latentes. El mapa de la variable anterior es claro para mí de interpretar, pero estoy confundido cuando se trata de las asociaciones entre las variables y el componente 1. Mirando el mapa variables, ddpy covestá muy cerca …
1
¿Qué significan las flechas en un biplot PCA?
Considere el siguiente biplot de PCA: 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) Hay un montón de flechas rojas trazadas, ¿qué significan? Sabía que la primera flecha etiquetada con "Var1" debería apuntar a la dirección más variable del conjunto …
14 r  pca  linear-algebra  biplot 
1
Flechas de variables subyacentes en PCA biplot en R
A riesgo de hacer la pregunta específica del software, y con la excusa de su ubicuidad e idiosincrasia, quiero preguntar sobre la función biplot()en R y, más específicamente, sobre el cálculo y el trazado de sus flechas rojas superpuestas predeterminadas, correspondientes a las variables subyacentes. [Para dar sentido a algunos …
11 r  pca  biplot 
3
¿Se pueden usar los valores de escala en un análisis discriminante lineal (LDA) para trazar variables explicativas en los discriminantes lineales?
Usando un biplot de valores obtenidos a través del análisis de componentes principales, es posible explorar las variables explicativas que componen cada componente principal. ¿Esto también es posible con el análisis discriminante lineal? Los ejemplos provistos usan el. Los datos son "Datos del iris de Edgar Anderson" ( http://en.wikipedia.org/wiki/Iris_flower_data_set ). …
1
¿Cómo interpretar este biplot de PCA proveniente de una encuesta de qué áreas están interesadas las personas?
Antecedentes: le pregunté a cientos de participantes en mi encuesta cuánto están interesados ​​en áreas seleccionadas (en escalas Likert de cinco puntos con 1 que indica "no interesado" y 5 que indica "interesado"). Entonces probé PCA. La siguiente imagen es una proyección de los dos primeros componentes principales. Los colores …
1
Espacio de datos, espacio variable, espacio de observación, espacio modelo (por ejemplo, en regresión lineal)
Supongamos que tenemos la matriz de datos , que es -by- , y el vector de etiqueta , que es -by-one. Aquí, cada fila de la matriz es una observación, y cada columna corresponde a una dimensión / variable. (suponga )XX\mathbf{X}nortenortenpagpagpYYYnortenortenn > pnorte>pagn>p Entonces, ¿qué data space, variable space, observation …
Al usar nuestro sitio, usted reconoce que ha leído y comprende nuestra Política de Cookies y Política de Privacidad.
Licensed under cc by-sa 3.0 with attribution required.