«pca» 태그된 질문

모집단 내에서 상호 작용하는 다른 변수가 있습니다. 기본적으로 나는 노래기 목록을 작성하고 지형의 다른 값을 측정했습니다. 수집 된 표본의 종류와 양 동물이있는 다른 환경 pH 유기 물질의 비율 P, K, Mg, Ca, Mn, Fe, Zn, Cu의 양 Ca + Mg / K 관계 기본적으로 PCA를 사용하여 샘플의 가변성을 유발하는 변수를 …

9 pca  multivariate-analysis  ecology  correspondence-analysis 

일부 통신원이 자기 상관 계산 방법에 관해 흥미로운 의문을 제기했기 때문에 시계열과 자기 상관에 대한 지식이 거의없이이를 다루기 시작했습니다. 통신원은 자신의 데이터를 정리했습니다 (323232 시계열의 데이터 포인트)를 제외하고 각각 한 시간 지연 씩 이동하여 32 × 3232×3232\times32 첫 번째 행이 원래 데이터이고 두 번째 행이 데이터를 이동 한 데이터 (내가 …

9 time-series  pca 

ICA (fastICA 패키지 사용)를 적용하기 전에 PCA를 적용한다고 말하는 응용 프로그램 기반 논문을 검토했습니다. 제 질문은 ICA (fastICA)가 PCA를 먼저 실행해야합니까? 이 논문 은 ... 또한 PCA를 사전에 적용하면 (1) 미백 전에 작은 후행 고유 값을 버리고 (2) 페어 단위 종속성을 최소화하여 계산 복잡성을 줄임으로써 ICA 성능을 향상시킬 수 있다고 …

9 pca  dimensionality-reduction  pattern-recognition  ica 

2D 점 데이터 세트가 있고 데이터에서 모든 로컬 최대 분산의 방향을 감지하려고한다고 가정합니다. PCA는 직교 분해이므로이 상황에서 도움이되지 않으므로 파란색으로 표시된 두 선을 모두 감지 할 수 없으며 출력은 녹색 선으로 표시된 것과 비슷할 수 있습니다. 이 목적에 적합한 기술을 권장하십시오. 감사.

9 pca  dimensionality-reduction 

회귀 모델에 포함 할 희소 주성분 수를 선택하는 방법에 대한 경험이 있습니까?

9 pca  sparse  regression-strategies 

조간 커뮤니티에 관한 데이터 세트를 분석하고 있습니다. 데이터는 사분면 (해초, 따개비, 홍합 등)의 표지 비율입니다. 종 수의 관점에서 대응 분석 (CA) 과 선형 성분 (종이 아닌) 경향에 더 유용한 것으로서 성분 분석 (PCA) 에 대해 생각하는 데 익숙합니다 . PCA 또는 CA가 표지에 더 적합한 지 (어떤 논문도 찾을 수 …

9 r  pca  multivariate-analysis  correspondence-analysis 

두 개의 랜덤 벡터 및 에 대한 표준 상관 분석 (CCA)에 대한 Wikipedia 를 읽으 면서 때 주성분 분석 (PCA)이 CCA와 동일한 지 궁금합니다 .엑스XX와이YY엑스= YX=YX=Y

9 pca  multivariate-analysis  canonical-correlation 

밀접하게 관련된 여러 종류의 곤충에 형태 학적 날개 문자를 설명하는 불연속 (선정적, meristic 및 명목) 변수에 대한 데이터 세트가 있습니다. 제가하고자하는 것은 형태 학적 특성에 따라 다른 종의 유사성을 시각적으로 나타내는 일종의 분석을 수행하는 것입니다. 떠올랐다 것을 우선 (이 내가 만들 찾고 있어요 시각화의 유형입니다) PCA했지만, 같은 특히 다른 질문 …

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

22 개의 변수를 기반으로 SPSS에서 주성분 분석 (인자 분석)을하고 싶습니다. 그러나 내 변수 중 일부가 매우 비뚤어졌습니다 (SPSS에서 계산 된 차이는 2 – 80입니다!). 내 질문은 다음과 같습니다. 비뚤어진 변수를 그대로 유지해야합니까 아니면 주성분 분석에서 변수를 변환 할 수 있습니까? 그렇다면 요인 점수를 어떻게 해석합니까? 어떤 유형의 변환을해야합니까? log10 또는 …

9 pca  factor-analysis  dimensionality-reduction  skewness 

첫 번째 주성분과 상관 행렬의 평균 상관 관계는 무엇입니까? 예를 들어, 경험적 응용에서 평균 상관 관계는 첫 번째 주성분의 분산 비율 (첫 번째 고유 값)과 총 분산 (모든 고유 값의 합계)의 비율과 거의 같습니다. 수학적 관계가 있습니까? 아래는 실험 결과의 차트입니다. 여기서 상관 관계는 15 일 롤링 기간 동안 계산 …

9 correlation  pca  mathematical-statistics  eigenvalues 

4 가지 가능한 이벤트의 주파수 샘플이 하나 있다고 가정합니다. Event1 - 5 E2 - 1 E3 - 0 E4 - 12 내 이벤트의 예상 확률이 있습니다. p1 - 0.2 p2 - 0.1 p3 - 0.1 p4 - 0.6 내 네 가지 사건의 관측 빈도의 합으로 (18) 사건의 예상 빈도를 올바르게 …

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 

질문: PCA와 LSA / LSI의 적용 여부를 결정하는 데 사용할 수있는 입력 데이터 특성에 대한 일반적인 지침이 있습니까? PCA와 LSA / LSI에 대한 간략한 요약 : PCA (Principle Component Analysis)와 LSA (Latent Semantic Analysis) 또는 LSI (Latent Semantic Indexing)는 모두 SVD (Singular Value Decomposition)를 행렬에 적용하는 데 기본적으로 의존한다는 점에서 …

9 machine-learning  pca  lsa 

데이터 구조를 더 잘 이해하기 위해 SVD 분해와 6 차원 데이터 매트릭스의 다차원 스케일링을 모두 수행했습니다. 불행히도 모든 특이 값은 순서가 동일하므로 데이터의 차원이 실제로 6이라는 것을 의미합니다. 그러나 저는 특이 벡터의 값을 해석하고 싶습니다. 예를 들어, 첫 번째는 각 차원에서 (또는) 거의 같거나 (1,1,1,1,1,1)두 번째는 흥미로운 구조 (와 같은 …

9 pca  interpretation  dimensionality-reduction  svd 

같은 기간 동안 발생한 이벤트 데이터 세트가 있습니다. 각 이벤트에는 유형 (10 개 미만의 유형이 거의 없음)과 위치가 있으며 2D 포인트로 표시됩니다. 이벤트 유형 사이 또는 유형과 위치 사이에 상관 관계가 있는지 확인하고 싶습니다. 예를 들어, A 유형의 이벤트는 일반적으로 B 유형의 이벤트가 발생하는 경우 발생하지 않을 수 있습니다. 또는 …

9 correlation  pca  multivariate-analysis  point-process 

PCA를 사용하는 것과 동일한 방식으로 LSI (Latent Semantic Indexing)에 대해 kPCA (kernel principal component analysis)를 사용할 수 있습니까? prcompPCA 기능을 사용하여 R에서 LSI를 수행 하고 첫 번째 구성 요소 에서 가장 높은 하중을 갖는 기능을 추출합니다 . 이를 통해 구성 요소를 가장 잘 설명하는 기능을 얻습니다.kkk 패키지 kpca에서 함수 를 …

9 r  pca  feature-selection  kernel-trick