Misalkan saya memiliki dataset titik 2D dan saya ingin mendeteksi arah semua maxima lokal dari varians dalam data, misalnya: PCA tidak membantu dalam situasi ini karena merupakan dekomposisi ortogonal dan oleh karena itu tidak dapat mendeteksi kedua garis yang saya indikasikan dengan warna biru,...
Saya meninjau makalah berbasis aplikasi yang mengatakan bahwa menerapkan PCA sebelum menerapkan ICA (menggunakan paket fastICA). Pertanyaan saya adalah, apakah ICA (fastICA) mengharuskan PCA dijalankan terlebih dahulu? Makalah ini menyebutkan itu ... juga berpendapat bahwa pra-penerapan PCA...
Hanya karena beberapa koresponden mengajukan pertanyaan menarik mengenai metode perhitungan autokorelasi, saya mulai bermain dengannya, hampir tanpa pengetahuan tentang rangkaian waktu dan autokorelasi. Koresponden mengatur datanya ( titik data dari serangkaian waktu) digeser masing-masing satu...
Saya memiliki variabel berbeda yang berinteraksi dalam suatu populasi. Pada dasarnya saya telah melakukan inventarisasi kaki seribu dan mengukur beberapa nilai medan lainnya, seperti: Spesies dan jumlah spesimen yang dikumpulkan Lingkungan yang berbeda di mana hewan berada pH Persentase bahan...
Saya mencoba memahami keluaran dari analisis komponen utama yang dilakukan sebagai berikut: > head(iris) Sepal.Length Sepal.Width Petal.Length Petal.Width Species 1 5.1 3.5 1.4 0.2 setosa 2 4.9 3.0 1.4 0.2 setosa 3 4.7 3.2 1.3 0.2 setosa 4 4.6 3.1 1.5 0.2 setosa 5 5.0 3.6 1.4 0.2 setosa 6 5.4...
Anggaplah adalah matriks data yang berpusat pada rata-rata. Matriks S = cov ( A ) adalah m × m , memiliki m nilai eigen yang berbeda, dan vektor eigen s 1 , s 2 ... s m , yang ortogonal.SEBUAHSEBUAH\mathbf AS =cov( A )S=cov(SEBUAH)\mathbf S=\text{cov}(\mathbf A)m × mm×mm\times mmmms1s1\mathbf...
Saya membaca tentang dasar-dasar analisis komponen utama dari tutorial1 , link1 dan link2 . Saya memiliki kumpulan data dari 100 variabel (termasuk variabel keluaran Y), saya ingin mengurangi variabel menjadi 40 oleh PCA, dan kemudian memprediksi variabel Y menggunakan 40 variabel...
Bayangkan Anda memiliki poligon yang didefinisikan oleh seperangkat koordinat (x1,y1)...(xn,yn)(x1,y1)...(xn,yn)(x_1,y_1)...(x_n,y_n) dan pusat massanya adalah pada (0,0)(0,0)(0,0) . Anda dapat memperlakukan poligon sebagai distribusi seragam dengan batas poligon. Saya mencari metode yang akan...
Saya memiliki 1000+ dataset sampel dari 19 variabel. Tujuan saya adalah untuk memprediksi variabel biner berdasarkan 18 variabel lainnya (biner dan kontinu). Saya cukup yakin bahwa 6 dari variabel prediksi terkait dengan respons biner, namun, saya ingin menganalisis lebih lanjut dataset dan mencari...
Saya mencoba mengurangi dimensi dan derau dataset dengan melakukan PCA pada dataset dan membuang beberapa PC terakhir. Setelah itu, saya ingin menggunakan beberapa algoritma pembelajaran mesin pada PC yang tersisa, dan karena itu saya ingin menormalkan data dengan menyamakan varians PC untuk...
Dalam mereka kertas autoencoders untuk klasifikasi teks Hinton dan Salakhutdinov menunjukkan plot yang dihasilkan oleh 2-dimensi LSA (yang berkaitan erat dengan PCA): . Menerapkan PCA ke data dimensi sedikit tinggi yang benar-benar berbeda, saya memperoleh plot yang mirip: (kecuali dalam hal ini...
Mempertimbangkan jumlah fitur yang konstan, Barnes-Hut t-SNE memiliki kompleksitas , proyeksi acak dan PCA memiliki kompleksitas menjadikannya "terjangkau" untuk set data yang sangat besar.O ( n logn )HAI(ncatatann)O(n\log n)O ( n )HAI(n)O(n) Di sisi lain, metode yang mengandalkan penskalaan...
Diberi dua dataset multidimensi, XXX dan YYY, beberapa orang melakukan analisis multivariabel dengan membangun variabel dependen pengganti menggunakan analisis komponen utama (PCA). Yaitu, jalankan PCAYYY atur, ambil skor di sepanjang komponen pertama y′y′y', dan jalankan regresi berganda untuk...
Saya mengambil data boneka suhu vs Es Krim Penjualan dan mengkategorikannya menggunakan K Means (n cluster = 2) untuk membedakan 2 kategori (benar-benar boneka). Sekarang saya sedang melakukan Analisis Komponen Utama pada data ini dan tujuan saya adalah untuk memahami apa yang saya lihat. Saya...
Katakanlah saya dapat mengetahui SVD dari beberapa matriks : X = USV ^ TXXXX=USVTX=USVTX = USV^T Jika saya memiliki matriks ortogonal AAA (yaitu, AAA adalah persegi dan memiliki kolom ortonormal), maka SVD XAXAXA adalah XA=USWTXA=USWTXA = USW^T mana W=ATVW=ATVW = A^TV . Tetapi dapatkah dikatakan...
Saya memiliki dataset yang nominal 16 dimensi. Saya memiliki sekitar 100 sampel dalam satu kasus dan sekitar 20.000 lainnya. Berdasarkan berbagai analisis eksplorasi yang telah saya lakukan menggunakan PCA dan peta panas, saya yakin bahwa dimensi sebenarnya (yaitu jumlah dimensi yang diperlukan...
Jadi katakanlah saya memiliki banyak titik data di R ^ n, di mana n cukup besar (seperti, 50). Saya tahu data ini terbagi dalam 3 kelompok, dan saya tahu bagian mana dari setiap titik data yang menjadi bagiannya. Yang ingin saya lakukan adalah memvisualisasikan cluster ini dalam 2D sedemikian...
Setelah melakukan PCA, komponen pertama menjelaskan bagian terbesar dari variabilitas. Ini penting misalnya dalam studi pengukuran tubuh di mana umumnya dikenal (Jolliffe, 2002) bahwa sumbu PC1 menangkap variasi ukuran. Pertanyaan saya adalah apakah skor PCA setelah rotasi varimax mempertahankan...
Saya punya beberapa pertanyaan mendasar tentang PCA (analisis komponen utama) dan LDA (analisis diskriminan linier): Dalam PCA ada cara untuk menghitung proporsi varian yang dijelaskan. Apakah mungkin untuk LDA? Jika ya, bagaimana caranya? Apakah "Proportion of trace" output dari ldafungsi...
Saya membaca makalah yang menarik ini tentang penerapan ICA untuk data ekspresi gen. Penulis menulis: [T] di sini tidak ada persyaratan untuk komponen PCA harus independen secara statistik. Itu benar, tetapi PC itu ortogonal, bukan? Saya agak tidak jelas tentang apa hubungan antara...