Запитання з тегом «pca»

У мене різні змінні, які взаємодіють у межах популяції. В основному я робив інвентаризацію міліпед і вимірював деякі інші значення місцевості, наприклад: Вид і кількість зібраних особин Різне середовище, де знаходяться тварини рН Відсоток органічного матеріалу кількість P, K, Mg, Ca, Mn, Fe, Zn, Cu Відношення Ca + Mg / …

9 pca  multivariate-analysis  ecology  correspondence-analysis 

Тільки тому, що якийсь кореспондент поставив цікаве питання щодо методів обчислення автокореляції, я почав з ним грати, майже не маючи ніяких знань про часові ряди та автокореляцію. Кореспондент розмістив свої дані ( точки даних часового ряду), зміщені на один часовий проміжок, крім того, щоб у нього була матриця даних (наскільки …

9 time-series  pca 

Я переглянув документ, що базується на застосуванні, в якому сказано, що застосовувати PCA перед застосуванням ICA (використовуючи пакет FastICA). Моє запитання полягає в тому, чи вимагає ICA (fastICA) перший запуск PCA? Цей документ згадував про це ... також стверджується, що попереднє застосування PCA підвищує продуктивність ICA шляхом (1) відкидання невеликих …

9 pca  dimensionality-reduction  pattern-recognition  ica 

Припустимо, у мене є набір даних з 2D точок, і я хочу виявити напрямки всіх локальних максимумів дисперсії в даних, наприклад: PCA не допомагає в цій ситуації, оскільки це ортогональне розкладання, і тому не вдається виявити обидві лінії, які я вказав синім кольором, швидше, його вихід може виглядати як той, …

9 pca  dimensionality-reduction 

Хтось має досвід підходів до вибору кількості розрізнених основних компонентів, які слід включити до регресійної моделі?

9 pca  sparse  regression-strategies 

Я аналізую набір даних, що стосуються міжміських спільнот. Дані є відсотковим покриттям (морські водорості, канали, мідії тощо) у квадратах. Я звик думати про аналіз листування (CA) з точки зору кількості видів , і принцип компонентного аналізу (РСА) , як - то більш корисне для лінійних навколишнього середовища (НЕ видів) тенденцій. …

9 r  pca  multivariate-analysis  correspondence-analysis 

Читаючи Вікіпедію про канонічний кореляційний аналіз (CCA) для двох випадкових векторів і , мені було цікаво, чи головний компонентний анліз (PCA) такий, як CCA, коли ?XXXYYYX=YX=YX=Y

9 pca  multivariate-analysis  canonical-correlation 

У мене є набір даних дискретних (порядкових, меристичних та номінальних) змінних, що описують морфологічні символи крила на кількох близьких видах комах. Що я хочу зробити - це провести якийсь аналіз, який би дав мені наочне уявлення про подібність різних видів на основі морфологічних характеристик. Перше, що мені впало в голову, …

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

Я хочу зробити аналіз основних компонентів (факторний аналіз) на SPSS на основі 22 змінних. Однак деякі мої змінні дуже перекошені (косості, обчислені за SPSS, коливаються в межах 2–80!). Тож ось мої запитання: Чи слід тримати подібні змінні чи можу перетворити змінні на аналіз основних компонентів? Якщо так, то як би …

9 pca  factor-analysis  dimensionality-reduction  skewness 

Який взаємозв'язок між першою основною складовою (частинами) та середньою кореляцією у кореляційній матриці? Наприклад, в емпіричному застосуванні я зауважую, що середнє співвідношення майже таке ж, як відношення дисперсії першого головного компонента (першого власного значення) до загальної дисперсії (сума всіх власних значень). Чи є математичний зв’язок? Нижче наведено графік емпіричних результатів. …

9 correlation  pca  mathematical-statistics  eigenvalues 

Припустимо, у мене є один зразок частоти 4 можливих подій: Event1 - 5 E2 - 1 E3 - 0 E4 - 12 і я маю очікувані ймовірності моїх подій: p1 - 0.2 p2 - 0.1 p3 - 0.1 p4 - 0.6 За допомогою суми спостережуваних частот моїх чотирьох подій (18) …

9 r  statistical-significance  chi-squared  multivariate-analysis  exponential  joint-distribution  statistical-significance  self-study  standard-deviation  probability  normal-distribution  spss  interpretation  assumptions  cox-model  reporting  cox-model  statistical-significance  reliability  method-comparison  classification  boosting  ensemble  adaboost  confidence-interval  cross-validation  prediction  prediction-interval  regression  machine-learning  svm  regularization  regression  sampling  survey  probit  matlab  feature-selection  information-theory  mutual-information  time-series  forecasting  simulation  classification  boosting  ensemble  adaboost  normal-distribution  multivariate-analysis  covariance  gini  clustering  text-mining  distance-functions  information-retrieval  similarities  regression  logistic  stata  group-differences  r  anova  confidence-interval  repeated-measures  r  logistic  lme4-nlme  inference  fiducial  kalman-filter  classification  discriminant-analysis  linear-algebra  computing  statistical-significance  time-series  panel-data  missing-data  uncertainty  probability  multivariate-analysis  r  classification  spss  k-means  discriminant-analysis  poisson-distribution  average  r  random-forest  importance  probability  conditional-probability  distributions  standard-deviation  time-series  machine-learning  online  forecasting  r  pca  dataset  data-visualization  bayes  distributions  mathematical-statistics  degrees-of-freedom 

Питання: Чи є якісь загальні вказівки щодо характеристик вхідних даних, які можна використовувати для вирішення між застосуванням PCA та LSA / LSI? Короткий підсумок PCA проти LSA / LSI: Принциповий компонентний аналіз (PCA) та латентний семантичний аналіз (LSA) або латентна семантична індексація (LSI) подібні в тому сенсі, що всі вони …

9 machine-learning  pca  lsa 

Я здійснив як декомпозицію SVD, так і багатовимірне масштабування 6-мірної матриці даних, щоб краще зрозуміти структуру даних. На жаль, усі сингулярні значення мають однаковий порядок, що означає, що розмірність даних дійсно є 6. Однак я хотів би мати можливість інтерпретувати значення сингулярних векторів. Наприклад, перший здається більш-менш рівним у кожному …

9 pca  interpretation  dimensionality-reduction  svd 

Чи можливо використовувати аналіз основних компонентів ядра (kPCA) для латентної семантичної індексації (LSI) так само, як використовується PCA? Я виконую LSI в R за допомогою функції prcompPCA і добуваю функції з найвищими навантаженнями з перших компонентів. Цим я отримую функції, що описують компонент найкраще.kkk Я спробував використати kpcaфункцію (з kernlibпакета), …

9 r  pca  feature-selection  kernel-trick 

У мене є набір даних про події, які сталися за той самий період часу. Кожна подія має тип (є кілька різних типів, менше десяти) та місцеположення, представлене у вигляді 2D точки. Я хотів би перевірити, чи є кореляція між типом подій, або між типом та місцеположенням. Наприклад, можливо, події типу …

9 correlation  pca  multivariate-analysis  point-process