Menggunakan kurtosis untuk menilai signifikansi komponen dari analisis komponen independen

10

Dalam PCA, nilai eigen menentukan urutan komponen. Di ICA saya menggunakan kurtosis untuk mendapatkan pemesanan. Apa saja metode yang diterima untuk menilai nomor, (mengingat saya memiliki urutan) komponen yang unik selain dari pengetahuan sebelumnya tentang sinyal?

eminencenoir
sumber
1
Saya benar-benar berpikir bahwa di ICA Anda masih dapat menggunakan jumlah vektor eigen 'signifikan' (yaitu, 90% energi), sebagai jumlah komponen independen.
Spacey

Jawaban:

1

Melihat pertanyaan ini masih kekurangan jawaban, saya ingin mengulangi, seperti komentar @Tarantula , metode yang diterima untuk memilih menilai jumlah komponen yang disimpan adalah melalui varian yang dijelaskan. Anda mempertahankan komponen diberi kriteria dari PCA a priori whitening dan melakukan ICA pada komponen tersebut.K

Saya tidak tahu metode apa pun yang diterima untuk melakukan penilaian semacam ini dengan kurtosis, pertanyaan ini mungkin tidak bisa dijawab karena sepenuhnya.

Pembakar
sumber