Preguntas etiquetadas con pca

El análisis de componentes principales (PCA) es una técnica de reducción de dimensionalidad lineal. Reduce un conjunto de datos multivariado a un conjunto más pequeño de variables construidas, conservando tanta información (tanta varianza) como sea posible. Estas variables, llamadas componentes principales, son combinaciones lineales de las variables de entrada.







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 …

2
¿Por qué transformar los datos antes de realizar el análisis de componentes principales?
Estoy siguiendo un tutorial aquí: http://www.r-bloggers.com/computing-and-visualizing-pca-in-r/ para obtener una mejor comprensión de PCA. El tutorial utiliza el conjunto de datos Iris y aplica una transformación de registro antes de PCA: Observe que en el siguiente código aplicamos una transformación logarítmica a las variables continuas según lo sugerido por [1] y …



2
¿Cuándo combinamos la reducción de dimensionalidad con la agrupación?
Estoy intentando realizar la agrupación a nivel de documento. Construí la matriz de frecuencia de término-documento y estoy tratando de agrupar estos vectores de alta dimensión usando k-means. En lugar de agrupar directamente, lo que hice fue aplicar primero la descomposición vectorial singular de LSA (Análisis semántico latente) para obtener …

2
¿Cómo evaluar la confiabilidad de un cuestionario: dimensionalidad, ítems problemáticos y si se debe usar alfa, lambda6 o algún otro índice?
Estoy analizando los puntajes dados por los participantes que asistieron a un experimento. Quiero estimar la confiabilidad de mi cuestionario que se compone de 6 ítems destinados a estimar la actitud de los participantes hacia un producto. Calculé el alfa de Cronbach tratando todos los ítems como una sola escala …

3
Interpretación de puntajes de PCA
¿Alguien puede ayudarme a interpretar los puntajes de PCA? Mis datos provienen de un cuestionario sobre actitudes hacia los osos. Según las cargas, he interpretado uno de mis componentes principales como "miedo a los osos". ¿Se relacionarían los puntajes de ese componente principal con la forma en que cada encuestado …
16 pca 

1
¿Cuál es la conexión entre mínimos cuadrados parciales, regresión de rango reducido y regresión de componentes principales?
¿La regresión de rango reducido y la regresión de componentes principales son solo casos especiales de mínimos cuadrados parciales? Este tutorial (Página 6, "Comparación de objetivos") establece que cuando hacemos mínimos cuadrados parciales sin proyectar X o Y (es decir, "no parcial"), se convierte en regresión de rango reducido o …


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.