Запитання з тегом «pca»

Я аналізую набір даних, використовуючи модель змішаних ефектів з одним фіксованим ефектом (умовою) та двома випадковими ефектами (учасник, обумовлений в рамках проекту та пари). Модель була згенерована з lme4пакетом: exp.model<-lmer(outcome~condition+(1|participant)+(1|pair),data=exp). Далі я провів перевірку коефіцієнта ймовірності цієї моделі проти моделі без фіксованого ефекту (умови) і маю суттєву різницю. У моєму …

16 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 

Я знаю, що звичайний PCA не дотримується імовірнісної моделі спостережуваних даних. Отже, в чому полягає основна відмінність PCA від PPCA ? У латентній змінній моделі PPCA містяться, наприклад, спостережувані змінні , латентні (незабезпечені змінні x ) та матриця W , яка не повинна бути ортонормальною, як у звичайній PCA. Ще …

15 pca 

Я використовую аналіз основних компонентів (PCA) для створення індексу, необхідного для мого дослідження. Моє питання - як я повинен створити єдиний індекс, використовуючи збережені основні компоненти, обчислені за допомогою PCA. Наприклад, я вирішив зберегти 3 основні компоненти після використання PCA, і я обчислив бали для цих 3 основних компонентів. Які …

15 pca  factor-analysis  rating  composite  scale-construction 

Я намагаюся зрозуміти, чи варто йти на регресію хребта , LASSO , регресію основного компонента (PCR) або часткові найменші квадрати (PLS) у ситуації, коли існує велика кількість змінних / ознак ( ) та менша кількість зразків ( n < p ), і моя мета - передбачення.pppn<pn<pn np>10np>10np>10n Змінні ( і …

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

Ці терміни багато кидаються разом, але я хотів би знати, що, на вашу думку, є відмінностями, якщо такі є. Спасибі

15 pca  text-mining  svd 

Нещодавно користувач у списку розсилки R-help запитав про надійність використання балів PCA в регресії. Користувач намагається використовувати деякі результати на ПК, щоб пояснити зміни в іншому ПК (див. Повну дискусію тут ). Відповідь була: ні, це не звучить, оскільки ПК є ортогональними один для одного. Чи може хтось пояснити трохи …

15 regression  pca 

У мене є набір даних з 11 змінними і PCA (ортогональний) було зроблено для зменшення даних. Визначивши кількість компонентів, які потрібно зберегти, для мене було видно з моїх знань про тему та графік обстеження (див. Нижче), що двох основних компонентів (ПК) було достатньо для пояснення даних, а інші компоненти були …

15 variance  pca 

Використовуючи ці дані: head(USArrests) nrow(USArrests) Я можу зробити PCA так: plot(USArrests) otherPCA <- princomp(USArrests) Я можу отримати нові компоненти otherPCA$scores і частка дисперсії, поясненої компонентами з summary(otherPCA) Але що робити, якщо я хочу знати, які змінні в основному пояснюються основними компонентами? І навпаки: пояснюється, наприклад, PC1 або PC2 murder? Як …

15 r  pca  dimensionality-reduction  regression-strategies 

Дивлячись на власні вектори матриці коваріації, ми отримуємо напрями максимальної дисперсії (перший власний вектор - це напрямок, у якому дані найбільше змінюються тощо); це називається основним компонентним аналізом (PCA). Мені було цікаво, що значить би дивитись на власні вектори / значення матриці взаємної інформації, чи вказували б вони у напрямку …

14 pca  entropy  mutual-information  eigenvalues 

Зараз я переживаю слайд, який я маю для "факторного аналізу" (PCA, наскільки я можу сказати). У ній виведена "фундаментальна теорема факторного аналізу", яка стверджує, що матрицю кореляції даних, що надходять в аналіз ( ), можна відновити за допомогою матриці факторних навантажень ( A ):RR\bf RAA\bf A R = A A⊤R=AA⊤\bf …

14 pca  factor-analysis  terminology  definition 

Я розумію, що Тест Бартлетта стосується визначення того, чи є ваші зразки з популяцій з однаковими відмінностями. Якщо вибірки є з популяцій з однаковими дисперсіями, то ми не можемо відкинути нульову гіпотезу тесту, і тому аналіз основних компонентів є недоцільним. Я не впевнений, де криється проблема з цією ситуацією (маючи …

14 variance  pca  heteroscedasticity 

Чи є сенс робити PCA перед проведенням випадкової лісової класифікації? Я маю справу з текстовими даними з високими розмірами, і я хочу зробити зменшення функції, щоб уникнути прокляття розмірності, але чи не випадкові ліси вже мають якесь зменшення розмірності?

14 classification  pca  random-forest  dimensionality-reduction  high-dimensional 

Розглянемо наступний PCAP біплот: 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) Існує купа червоних стрілок, що вони означають? Я знав, що перша стрілка, позначена символом "Var1", повинна вказувати на самий різний напрямок набору даних (якщо ми вважаємо їх 2000 …

14 r  pca  linear-algebra  biplot 

Як частина завдання університету, я повинен провести попередню обробку даних на досить величезному, багатоваріантному (> 10) необробленому наборі даних. Я не статистик у будь-якому сенсі цього слова, тому я трохи розгублений у тому, що відбувається. Заздалегідь вибачте за те, що, мабуть, смішно просте запитання - моя голова крутилася після перегляду …

14 pca 

Я використовую сценарій. Це для основних записів. У мене є кадр даних, який показує різні елементарні композиції в стовпцях на заданій глибині (у першому стовпці). Я хочу виконати з нею PCA, і я плутаюсь щодо методу стандартизації, який я повинен вибрати. Хто-небудь з вас використовував цю програму clr()для підготовки ваших …

13 r  pca  normalization  compositional-data