Estadísticas y Big Data pca

3

La función objetivo del Análisis de Componentes Principales (PCA) es minimizar el error de reconstrucción en la norma L2 (ver sección 2.12 aquí . Otra vista está tratando de maximizar la varianza en la proyección. También tenemos una excelente publicación aquí: ¿Cuál es la función objetivo de PCA? ? ) …

12 machine-learning pca optimization convex

3

¿Por qué usamos PCA para acelerar los algoritmos de aprendizaje cuando podríamos reducir la cantidad de funciones?

En un curso de aprendizaje automático, aprendí que un uso común de PCA ( Análisis de componentes principales ) es acelerar otros algoritmos de aprendizaje automático. Por ejemplo, imagine que está entrenando un modelo de regresión logística. Si tiene un conjunto de entrenamiento para i de 1 a n y …

12 machine-learning pca

1

Pasos realizados en el análisis factorial en comparación con los pasos realizados en PCA

Sé cómo realizar PCA (análisis de componentes principales), pero me gustaría saber los pasos que deben usarse para el análisis factorial. Para realizar PCA, consideremos algunas matrices , por ejemplo:UNUNA 3 1 -1 2 4 0 4 -2 -5 11 22 20 He calculado su matriz de correlación B = …

12 pca factor-analysis algorithms

4

Selección de modelo de PCA usando AIC (o BIC)

Quiero usar el Criterio de información de Akaike (AIC) para elegir el número apropiado de factores para extraer en un PCA. El único problema es que no estoy seguro de cómo determinar el número de parámetros. Considere una matriz , donde representa el número de variables y el número de …

12 pca model-selection

2

PCA y bosques aleatorios

Para una competencia reciente de Kaggle, definí (manualmente) 10 características adicionales para mi conjunto de entrenamiento, que luego se usarían para entrenar un clasificador aleatorio de bosques. Decidí ejecutar PCA en el conjunto de datos con las nuevas características, para ver cómo se comparaban entre sí. Descubrí que ~ 98% …

12 classification pca random-forest

5

¿Puedo usar PCA para hacer una selección de variables para el análisis de conglomerados?

Tengo que reducir la cantidad de variables para realizar un análisis de conglomerados. Mis variables están fuertemente correlacionadas, así que pensé en hacer un análisis factorial PCA (análisis de componentes principales). Sin embargo, si uso las puntuaciones resultantes, mis grupos no son del todo correctos (en comparación con las clasificaciones …

12 clustering pca feature-selection factor-analysis

2

¿Qué maximizan los primeros factores del análisis factorial?

En el análisis de componentes principales, los primeros componentes principales son las direcciones ortogonales con la varianza máxima. En otras palabras, el primer componente principal se elige como la dirección de la varianza máxima, el segundo componente principal se elige como la dirección ortogonal al primero con la varianza máxima, …

12 pca factor-analysis

2

¿Cómo utilizar el análisis de componentes principales para seleccionar variables para la regresión?

Actualmente estoy usando el análisis de componentes principales para seleccionar variables para usar en el modelado. Por el momento, hago mediciones A, B y C en mis experimentos. Lo que realmente quiero saber es: ¿puedo hacer menos mediciones y dejar de registrar C y / o B para ahorrar tiempo …

12 regression pca model-selection

1

Diferencia entre las implementaciones scikit-learn de PCA y TruncatedSVD

Entiendo la relación entre el análisis de componentes principales y la descomposición del valor singular en un nivel algebraico / exacto. Mi pregunta es sobre la implementación de scikit-learn . La documentación dice: " [TruncatedSVD] es muy similar a PCA, pero opera en vectores de muestra directamente, en lugar de …

12 pca scikit-learn svd scipy

1

¿Cómo elegir un kernel para kernel PCA?

¿Cuáles son las formas de elegir qué núcleo daría lugar a una buena separación de datos en la salida de datos final por el núcleo PCA (análisis de componentes principales), y cuáles son las formas de optimizar los parámetros del núcleo? Los términos simples, si es posible, serían muy apreciados, …

12 pca cross-validation dimensionality-reduction kernel-trick manifold-learning

4

Realización de PCA con solo una matriz de distancia

Quiero agrupar un conjunto de datos masivo para el que solo tengo las distancias por pares. Implementé un algoritmo k-medoids, pero está tardando demasiado en ejecutarse, así que me gustaría comenzar reduciendo la dimensión de mi problema aplicando PCA. Sin embargo, la única forma en que sé realizar este método …

12 pca dimensionality-reduction multidimensional-scaling

2

¿Son únicas las soluciones PCA?

Cuando ejecuto PCA en un determinado conjunto de datos, ¿la solución me es única? Es decir, obtengo un conjunto de coordenadas 2D, basadas en distancias entre puntos. ¿Es posible encontrar al menos una disposición más de los puntos que cumplirían con estas restricciones? Si la respuesta es sí, ¿cómo puedo …

12 pca

4

¿Cómo realizar PCA para datos de muy alta dimensionalidad?

Para realizar el análisis de componentes principales (PCA), debe restar las medias de cada columna de los datos, calcular la matriz de coeficientes de correlación y luego encontrar los vectores propios y los valores propios. Bueno, más bien, esto es lo que hice para implementarlo en Python, excepto que solo …

12 pca python

3

Significado de "error de reconstrucción" en PCA y LDA

Estoy implementando PCA, LDA y Naive Bayes, para compresión y clasificación respectivamente (implementando tanto un LDA para compresión y clasificación). Tengo el código escrito y todo funciona. Lo que necesito saber, para el informe, es cuál es la definición general de error de reconstrucción . Puedo encontrar muchas matemáticas y …

12 machine-learning pca terminology dimensionality-reduction discriminant-analysis

3

¿Hay algún valor en la reducción de dimensionalidad de un conjunto de datos donde todas las variables son aproximadamente ortogonales?

Supongamos que tengo un conjunto de datos -dimensional donde las dimensiones son más o menos ortogonales (tienen correlación cero).NNNNNN ¿Hay alguna utilidad en términos de: Visualización Representación (para la eficiencia del clasificador) U otros criterios realizar una reducción de dimensionalidad en los datos?

11 pca dimensionality-reduction

Preguntas etiquetadas con pca