Estadísticas y Big Data pca

1

¿Cuál es la diferencia entre PCA regular y PCA probabilística?

Sé que el PCA regular no sigue el modelo probabilístico para los datos observados. Entonces, ¿cuál es la diferencia básica entre PCA y PPCA ? En PPCA, el modelo de variable latente contiene, por ejemplo, variables observadas , latente (variables no observadas x ) y una matriz W que no …

15 pca

2

Crear un solo índice a partir de varios componentes principales o factores retenidos de PCA / FA

Estoy usando el Análisis de componentes principales (PCA) para crear un índice requerido para mi investigación. Mi pregunta es cómo debo crear un índice único utilizando los componentes principales retenidos calculados a través de PCA. Por ejemplo, decidí retener 3 componentes principales después de usar PCA y calculé los puntajes …

15 pca factor-analysis rating composite scale-construction

1

Regresión en configuración

Estoy tratando de ver si elegir la regresión de cresta , LASSO , la regresión de componentes principales (PCR) o los mínimos cuadrados parciales (PLS) en una situación en la que hay un gran número de variables / características ( ) y un menor número de muestras ( ), y …

15 regression pca lasso ridge-regression partial-least-squares

3

¿Cuáles son las diferencias entre el análisis semántico latente (LSA), la indexación semántica latente (LSI) y la descomposición de valores singulares (SVD)?

Estos términos se mezclan mucho, pero me gustaría saber cuáles cree que son las diferencias, si las hay. Gracias

15 pca text-mining svd

5

¿Se puede usar la regresión múltiple para predecir un componente principal (PC) de varias otras PC?

Hace un tiempo, un usuario en la lista de correo de R-help preguntó sobre la solidez del uso de las puntuaciones de PCA en una regresión. El usuario está tratando de usar algunas puntuaciones de PC para explicar la variación en otra PC (vea la discusión completa aquí ). La …

15 regression pca

1

¿Hay alguna cantidad requerida de variación capturada por PCA para hacer análisis posteriores?

Tengo un conjunto de datos con 11 variables y se realizó PCA (ortogonal) para reducir los datos. Decidir sobre el número de componentes para mantener fue evidente para mí, por mi conocimiento sobre el tema y el diagrama de pantalla (ver más abajo), que dos componentes principales (PC) fueron suficientes …

15 variance pca

1

¿Qué método de comparación múltiple usar para un modelo lmer: lsmeans o glht?

Estoy analizando un conjunto de datos utilizando un modelo de efectos mixtos con un efecto fijo (condición) y dos efectos aleatorios (participante debido al diseño del sujeto y al par). El modelo se ha generado con el lme4paquete: exp.model<-lmer(outcome~condition+(1|participant)+(1|pair),data=exp). A continuación, realicé una prueba de razón de probabilidad de este …

15 r repeated-measures multiple-comparisons post-hoc lsmeans bayesian posterior marginal integral anova time-series regularization machine-learning pca computational-statistics references inference regression cross-validation python random-forest chi-squared spearman-rho r machine-learning confidence-interval bagging clustering feature-selection model-selection bic hypothesis-testing kurtosis r regression residuals terminology

1

¿Cuál es el significado de los vectores propios de una matriz de información mutua?

Al observar los vectores propios de la matriz de covarianza, obtenemos las direcciones de varianza máxima (el primer vector propio es la dirección en la que los datos varían más, etc.); Esto se llama análisis de componentes principales (PCA). Me preguntaba qué significaría mirar los vectores / valores propios de …

14 pca entropy mutual-information eigenvalues

1

¿Cómo se aplica el "Teorema fundamental del análisis factorial" a PCA, o cómo se definen las cargas de PCA?

Actualmente estoy pasando por un conjunto de diapositivas que tengo para el "análisis factorial" (PCA por lo que puedo decir). En él, se deriva el "teorema fundamental del análisis factorial" que afirma que la matriz de correlación de los datos que entran en el análisis ( ) se puede recuperar …

14 pca factor-analysis terminology definition

2

¿Por qué la esfericidad diagnosticada por la prueba de Bartlett significa que un PCA es inapropiado?

Entiendo que la Prueba de Bartlett se preocupa por determinar si sus muestras son de poblaciones con varianzas iguales. Si las muestras son de poblaciones con varianzas iguales, no podemos rechazar la hipótesis nula de la prueba y, por lo tanto, un análisis de componentes principales es inapropiado. No estoy …

14 variance pca heteroscedasticity

4

¿Qué variables explican qué componentes de PCA y viceversa?

Usando estos datos: head(USArrests) nrow(USArrests) Puedo hacer un PCA de esta manera: plot(USArrests) otherPCA <- princomp(USArrests) Puedo obtener los nuevos componentes en otherPCA$scores y la proporción de varianza explicada por componentes con summary(otherPCA) Pero, ¿qué sucede si quiero saber qué variables se explican principalmente por qué componentes principales? Y viceversa: …

14 r pca dimensionality-reduction regression-strategies

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

3

¿Cómo puedo interpretar lo que obtengo de PCA?

Como parte de una tarea universitaria, tengo que llevar a cabo el preprocesamiento de datos en un conjunto de datos sin procesar bastante grande, multivariante (> 10). No soy un estadístico en ningún sentido de la palabra, así que estoy un poco confundido sobre lo que está sucediendo. Disculpas de …

14 pca

2

¿Puedo usar el CLR (transformación centrada de la relación logarítmica) para preparar datos para PCA?

Estoy usando un script Es para registros centrales. Tengo un marco de datos que muestra las diferentes composiciones elementales en las columnas en una profundidad determinada (en la primera columna). Quiero realizar un PCA con él y estoy confundido sobre el método de estandarización que tengo que elegir. ¿Alguno de …

13 r pca normalization compositional-data

1

¿Por qué Daniel Wilks (2011) dice que la regresión del componente principal "estará sesgada"?

En Métodos estadísticos en las ciencias atmosféricas , Daniel Wilks señala que la regresión lineal múltiple puede conducir a problemas si hay intercorrelaciones muy fuertes entre los predictores (3a edición, página 559-560): Una patología que puede ocurrir en la regresión lineal múltiple es que un conjunto de variables predictoras que …

13 regression pca bias

Preguntas etiquetadas con pca