Estadísticas y Big Data pca

3

Gire los componentes de PCA para igualar la varianza en cada componente

Estoy tratando de reducir la dimensionalidad y el ruido de un conjunto de datos al realizar PCA en el conjunto de datos y descartar las últimas PC. Después de eso, quiero usar algunos algoritmos de aprendizaje automático en las PC restantes y, por lo tanto, quiero normalizar los datos igualando …

9 variance pca factor-rotation

3

¿Cómo puedo saber que no hay un patrón en los resultados de PCA?

Tengo un conjunto de datos de más de 1000 muestras de 19 variables. Mi objetivo es predecir una variable binaria basada en las otras 18 variables (binarias y continuas). Estoy bastante seguro de que 6 de las variables de predicción están asociadas con la respuesta binaria, sin embargo, me gustaría …

9 pca

1

¿Cómo aplicar la regresión en los componentes principales para predecir una variable de salida?

Leí sobre los conceptos básicos del análisis de componentes principales del tutorial1 , link1 y link2 . Tengo un conjunto de datos de 100 variables (incluida la variable de salida Y), quiero reducir las variables a 40 por PCA, y luego predecir la variable Y utilizando esas 40 variables. Problema …

9 regression pca

1

¿Por qué los puntajes de los componentes principales no están correlacionados?

La suposición UNAA\mathbf A es una matriz de datos centrados en la media. La matriz S =cov( A )S=cov(A)\mathbf S=\text{cov}(\mathbf A) es m × mm×mm\times m , tiene metromm valores propios distintos y vectores propios s1s1\mathbf s_1 , s2s2\mathbf s_2 ... smetrosm\mathbf s_m , que son ortogonales. El -ésimo componente …

9 correlation pca linear-algebra

2

Conclusiones del resultado de un análisis de componentes principales

Estoy tratando de comprender el resultado del análisis de componentes principales realizado de la siguiente manera: > head(iris) Sepal.Length Sepal.Width Petal.Length Petal.Width Species 1 5.1 3.5 1.4 0.2 setosa 2 4.9 3.0 1.4 0.2 setosa 3 4.7 3.2 1.3 0.2 setosa 4 4.6 3.1 1.5 0.2 setosa 5 5.0 3.6 …

9 r pca interpretation

1

¿Qué está haciendo PCA con datos autocorrelacionados?

Solo porque un corresponsal planteó una pregunta interesante sobre los métodos de cálculo de la autocorrelación, comencé a jugar con ella, casi sin ningún conocimiento sobre series de tiempo y autocorrelación. El corresponsal organizó sus datos ( puntos de datos de una serie de tiempo) desplazados por un intervalo de …

9 time-series pca

1

¿Qué criterios usar para separar las variables en variables explicativas y respuestas para los métodos de ordenación en ecología?

Tengo diferentes variables que interactúan dentro de una población. Básicamente, he estado haciendo un inventario de milpiés y midiendo algunos otros valores del terreno, como: La especie y la cantidad de especímenes recolectados. Los diferentes ambientes donde están los animales. el pH El porcentaje de material orgánico la cantidad de …

9 pca multivariate-analysis ecology correspondence-analysis

3

¿ICA requiere ejecutar PCA primero?

Revisé un documento basado en la solicitud que decía que aplicar PCA antes de aplicar ICA (usando el paquete fastICA). Mi pregunta es, ¿ICA (fastICA) requiere que PCA se ejecute primero? Este artículo menciona que ... también se argumenta que la aplicación previa de PCA mejora el rendimiento de ICA …

9 pca dimensionality-reduction pattern-recognition ica

4

Técnica no ortogonal análoga a la PCA

Supongamos que tengo un conjunto de datos de puntos 2D y quiero detectar las direcciones de todos los máximos locales de varianza en los datos, por ejemplo: PCA no ayuda en esta situación, ya que es una descomposición ortogonal y, por lo tanto, no puede detectar ambas líneas que indiqué …

9 pca dimensionality-reduction

2

Seleccionar el número de componentes principales dispersos para incluir en la regresión

¿Alguien tiene experiencia con los enfoques para seleccionar el número de componentes principales dispersos para incluir en un modelo de regresión?

9 pca sparse regression-strategies

1

Uso de análisis de componentes principales vs análisis de correspondencia

Estoy analizando un conjunto de datos sobre comunidades intermareales. Los datos son porcentajes de cobertura (de algas, percebes, mejillones, etc.) en cuadrantes. Estoy acostumbrado a pensar en el análisis de correspondencia (CA) en términos de conteo de especies y el análisis de componentes principales (PCA) como algo más útil para …

9 r pca multivariate-analysis correspondence-analysis

1

¿CCA entre dos conjuntos de datos idénticos es equivalente a PCA en este conjunto de datos?

Al leer Wikipedia sobre el análisis de correlación canónica (CCA) para dos vectores aleatorios e , me preguntaba si la respuesta de componentes principales (PCA) es la misma que CCA cuando ?XXXYYYX=YX=YX=Y

9 pca multivariate-analysis canonical-correlation

1

Datos discretos y alternativas a PCA

Tengo un conjunto de datos de variables discretas (ordinales, merísticas y nominales) que describen los caracteres morfológicos del ala en varias especies de insectos estrechamente relacionadas. Lo que estoy buscando hacer es realizar algún tipo de análisis que me brinde una representación visual de la similitud de las diferentes especies …

9 pca discrete-data correspondence-analysis mixed-type-data

2

Variables sesgadas en PCA o análisis factorial

Quiero hacer un análisis de componentes principales (análisis factorial) en SPSS basado en 22 variables. Sin embargo, algunas de mis variables están muy sesgadas (¡la asimetría calculada a partir de SPSS varía de 2 a 80!). Asi que aqui están mis preguntas: ¿Debo mantener las variables sesgadas de esa manera …

9 pca factor-analysis dimensionality-reduction skewness

3

PCA, ICA y mapas propios laplacianos

Estoy muy interesado en el método de mapas propios de Laplacia. Actualmente, lo estoy usando para reducir la dimensión de mis conjuntos de datos médicos. Sin embargo, me he encontrado con un problema al usar el método. Por ejemplo, tengo algunos datos (señales de espectros), puedo usar PCA (o ICA) …

9 pca ica

Preguntas etiquetadas con pca