«pca» 태그된 질문

이 기사 에서 저자는 선형 판별 분석 (LDA)을 주성분 분석 (PCA)에 연결합니다. 제한된 지식으로 LDA가 PCA와 어떻게 유사한 지 따를 수 없습니다. 나는 항상 LDA가 로지스틱 회귀와 유사한 분류 알고리즘의 한 형태라고 생각했습니다. LDA가 PCA와 어떻게 비슷한 지 이해하는 데 도움이 될 것입니다.

19 classification  pca  dimensionality-reduction  discriminant-analysis  canonical-correlation 

주요 구성 요소 분석 (PCA) 이 주제 (이중) 공간에서 작동하는 방식을 직관적으로 이해하려고 합니다. . 두 개의 변수 x1x1x_1 과 x2x2x_2 와 nnn 데이터 포인트를 갖는 2D 데이터 세트를 고려하십시오 (데이터 매트릭스 XX\mathbf X 는 n×2n×2n\times 2 이며 중앙에 있다고 가정). PCA의 일반적인 표현은 우리 가 R 2 에서 nnn …

19 pca  linear-algebra  intuition  geometry 

Freeman et al., 2014 ( 실험실 웹 사이트에서 무료 pdf 사용 가능) 라는 제목의 최근 저널 기사에서 PCA의 사용을 이해하려고합니다 . 시계열 데이터에서 PCA를 사용하고 PCA 가중치를 사용하여 뇌의지도를 만듭니다. 데이터는 시험 평균 영상 데이터로, 복셀 (또는 뇌의 영상 위치 )과 함께 매트릭스 ( 종이 에서는 라고 함 ) 시점 …

19 time-series  pca  state-space-models  neuroimaging  neuroscience 

데이터 세트를 정규화 한 다음 3 개의 구성 요소 PCA를 실행하여 작은 설명 분산 비율 ([0.50, 0.1, 0.05])을 얻었습니다. 정규화하지 않고 내 데이터 세트를 희게 한 다음 3 개의 구성 요소 PCA를 실행했을 때 분산 비율이 높게 설명되었습니다 ([0.86, 0.06,0.01]). 3 개의 구성 요소에 많은 양의 데이터를 유지하려고하는데 데이터를 정규화해서는 …

19 pca 

동일한 데이터 세트에서 주성분 분석 (PCA)과 탐색 적 요인 분석 (EFA)을 수행하는 것이 논리적으로 합리적인지 알고 싶습니다. 전문가가 다음과 같이 명시 적으로 추천하는 것을 들었습니다. 분석 목표가 무엇인지 이해하고 데이터 분석을 위해 PCA 또는 EFA를 선택하십시오. 하나의 분석을 수행하면 다른 분석을 수행 할 필요가 없습니다. 둘 사이의 동기 차이를 이해하지만 …

19 pca  factor-analysis 

나는 (와 능선 회귀 사이의 연결 웹에서 읽기 어딘가를 가진 기억 ℓ2ℓ2\ell_2 와 PCA 회귀 정규화가) 사용하는 동안 ℓ2ℓ2\ell_2 hyperparameter의와 -regularized 회귀 분석을 λλ\lambda , 경우 λ→0λ→0\lambda \to 0 , 다음 회귀와 PC 변수를 제거하는 것과 같습니다 가장 작은 고유 값. 왜 이것이 사실입니까? 이것이 최적화 절차와 관련이 있습니까? 순진하게, …

19 regression  pca  regularization  ridge-regression 

JavaScript에서 주성분 분석 (PCA)을위한 이중 플롯을 구현하려고합니다. 내 질문은 데이터 행렬의 단일 벡터 분해 (SVD)의 출력 에서 화살표의 좌표를 어떻게 결정 합니까?U,V,DU,V,DU,V,D 다음은 R이 생산 한 Biplot의 예입니다. biplot(prcomp(iris[,1:4])) Biplot 의 Wikipedia 기사에서 찾아 보았지만별로 유용하지는 않습니다. 또는 맞습니다. 확실하지 않습니다.

18 pca  svd  biplot 

독립적 인 소스 X 1 , X 2 , 가 있다고 가정 합니다. . . , X n 및 m 볼록한 혼합물이 관찰 됨 : Y엔nn엑스1, X2, . . . , X엔엑스1,엑스2,...,엑스엔X_1, X_2, ..., X_n미디엄미디엄m와이1. . .와이미디엄= a11엑스1+ a12엑스2+ ⋯ + a1 N엑스엔= am 1엑스1+ am 2엑스2+ ⋯ + am …

18 pca  ica 

내 데이터를 변환 할 등의 차이가 하나가 될 것이며, 공분산가 0 (즉, 내가 희게 데이터에 원하는)이 될 것입니다. 또한 평균은 0이어야합니다.XX\mathbf X Z 표준화 및 PCA 변환을 수행하면 어떻게됩니까? 그러나 어떤 순서로 수행해야합니까? 작성된 미백 변환은 형식이어야합니다 .x↦Wx+bx↦Wx+b\mathbf{x} \mapsto W\mathbf{x} + \mathbf{b} PCA와 비슷한 방법으로 이러한 변환을 정확하게 수행하고 위의 …

18 pca  linear-algebra 

가 설계 행렬 데이터 투영의 분산을 최대화하는 벡터 라고 가정 합니다.유uu엑스XX 이제, 를 데이터의 (제 1) 주요 구성 요소로 지칭하는 재료를 보았습니다 . 이는 또한 고유 값이 가장 큰 고유 벡터입니다.유uu 그러나 데이터의 주요 구성 요소가 것을 보았습니다 .엑스유XuX u 분명히 와 는 다른 것입니다. 누구든지 여기에서 나를 도울 수 …

18 pca  terminology  definition 

PCA의 구성 요소를 유지할지 여부를 결정하려고합니다. 예를 들어 여기 또는 여기 에서 설명하고 비교 한 고유 값의 크기를 기반으로하는 기준의 기준이 있습니다 . 그러나 내 응용 프로그램에서 가장 작은 고유 값은 큰 고유 값에 비해 작고 크기를 기준으로 한 기준은 가장 작은 고유 값을 거부한다는 것을 알고 있습니다. 이것은 내가 …

18 pca 

PCA 분석을 위해 바이 플롯을 구성 할 때 x 축의 주성분 PC1 점수와 y 축의 PC2 점수가 있습니다. 그러나 화면의 오른쪽과 위쪽에 다른 두 축은 무엇입니까?

18 r  pca  biplot 

커널 SVD를 사용하여 데이터 매트릭스를 분해하는 종이에 알고리즘을 구현하고 싶습니다. 그래서 커널 방법과 커널 PCA 등에 관한 자료를 읽었습니다. 그러나 수학적 세부 사항에 관해서는 특히 나에게 매우 모호하며 몇 가지 질문이 있습니다. 왜 커널 메소드인가? 아니면 커널 메소드의 장점은 무엇입니까? 직관적 인 목적은 무엇입니까? 실제 문제에서 훨씬 높은 차원 공간이 …

18 pca  svd  kernel-trick 

원시 데이터를 표준 편차로 나누는 이유에 대한 다음과 같은 정당성을 읽었습니다 (cs229 코스 노트에서). 설명이 말하는 것을 이해하더라도 표준 편차로 나누는 것이 왜 그러한 목표를 달성 할 수 있는지는 분명하지 않습니다. 그것은 모두가 같은 "규모"에 더 가깝도록 말합니다. 그러나 왜 표준 편차로 나누는 것이 그렇게되는지 완전히 명확하지는 않습니다 . 분산으로 …

17 machine-learning  pca  mathematical-statistics 

몇 가지 검색을 한 후에, 나는 관측 분동 / 측정 오차를 주요 성분 분석에 포함시키는 것에 대해 거의 발견하지 못했습니다. 내가 찾은 것은 가중치를 포함하기 위해 반복적 인 접근 방식에 의존하는 경향이 있습니다 (예 : here ). 내 질문은 왜이 접근법이 필요한가? 가중 공분산 행렬의 고유 벡터를 사용할 수없는 이유는 …

17 pca  measurement-error  weighted-data