Revisei um documento baseado em aplicativos dizendo que aplicando o PCA antes de aplicar o ICA (usando o pacote fastICA). Minha pergunta é: o ICA (fastICA) exige que o PCA seja executado primeiro? Este artigo mencionou que ... também é discutido que a pré-aplicação do PCA aprimora o desempenho...
Pegue 20 pontos aleatórios em um espaço de 10.000 dimensões com cada ID de coordenada de . Divida-os em 10 pares ("casais") e adicione a média de cada par ("um filho") ao conjunto de dados. Em seguida, faça o PCA nos 30 pontos resultantes e plote PC1 vs PC2.N( 0 , 1 )N(0 0,1 1)\mathcal N(0,1) Uma...
Só porque alguns correspondentes fizeram uma pergunta interessante a respeito dos métodos de computação da autocorrelação, comecei a brincar com ela, quase sem nenhum conhecimento sobre séries temporais e autocorrelação. O correspondente organizou seus dados ( pontos de dados de uma série...
Eu tenho diferentes variáveis que interagem dentro de uma população. Basicamente, tenho feito um inventário de milípedes e medido alguns outros valores do terreno, como: As espécies e a quantidade de espécimes coletados Os diferentes ambientes onde os animais estão o pH A porcentagem de...
Estou tentando entender a saída da análise de componentes principais executada da seguinte maneira: > 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...
Suponha é uma matriz de dados centralizados na média. A matriz é , possui autovalores distintos e vetores próprios \ mathbf s_1 , \ mathbf s_2 ... \ mathbf s_m , ortogonais.S = cov ( A ) m × m m s 1UMAA\mathbf AS =cov( A )S=cov(A)\mathbf S=\text{cov}(\mathbf A)m × mm×mm\times mmmms1 1s1\mathbf s_1s...
Eu li sobre o básico da análise de componentes principais no tutorial1 , link1 e link2 . Eu tenho um conjunto de dados de 100 variáveis (incluindo a variável de saída Y), quero reduzir as variáveis para 40 pelo PCA e prever a variável Y usando essas 40 variáveis. Problema 1: Após obter os...
Eu tenho um conjunto de dados de mais de 1000 amostras de 19 variáveis. Meu objetivo é prever uma variável binária com base nas outras 18 variáveis (binárias e contínuas). Estou bastante confiante de que seis das variáveis de previsão estão associadas à resposta binária, no entanto, gostaria de...
Estou tentando reduzir a dimensionalidade e o ruído de um conjunto de dados executando o PCA no conjunto de dados e jogando fora os últimos PCs. Depois disso, quero usar alguns algoritmos de aprendizado de máquina nos PCs restantes e, portanto, quero normalizar os dados equalizando a variação dos...
No seu papel em autoencoders para classificação texto Hinton e Salakhutdinov demonstrado o lote produzido por 2-dimensional LSA (que está intimamente relacionado com a PCA): . Aplicando o PCA a dados de dimensão ligeiramente alta absolutamente diferentes, obtive um gráfico de aparência semelhante:...
Considerando o número de recursos constante, o Barnes-Hut t-SNE possui uma complexidade de , projeções aleatórias e PCA têm uma complexidade de tornando-os "acessíveis" para conjuntos de dados muito grandes.O(nlogn)O(nlogn)O(n\log n)O(n)O(n)O(n) Por outro lado, os métodos baseados no...
Dado dois conjuntos de dados multidimensionais, e Y , algumas pessoas realizam análises multivariáveis criando uma variável dependente substituta usando a análise de componentes principais (PCA). Ou seja, execute PCA no conjunto Y , faça pontuações ao longo do primeiro componente y ' e execute...
Estou usando dados fictícios de temperatura versus vendas de sorvetes e categorizado usando K Keans (n clusters = 2) para distinguir duas categorias (totalmente fictícias). Agora estou fazendo uma análise de componentes principais nesses dados e meu objetivo é entender o que vejo. Eu sei que o...
Eu tenho um conjunto de dados nominalmente 16-dimensional. Eu tenho cerca de 100 amostras em um caso e cerca de 20.000 em outro. Com base em várias análises exploratórias que conduzi usando PCA e mapas de calor, estou convencido de que a verdadeira dimensionalidade (ou seja, o número de dimensões...
Então, digamos que eu tenha vários pontos de dados em R ^ n, onde n é bem grande (tipo 50). Sei que esses dados se enquadram em 3 clusters e sei em qual cluster cada ponto de dados faz parte. Tudo o que eu quero fazer é visualizar esses clusters em 2D de forma a maximizar a separação visual entre...
Depois de executar o PCA, o primeiro componente descreve a maior parte da variabilidade. Isso é importante, por exemplo, no estudo de medidas corporais, onde é comumente conhecido (Jolliffe, 2002) que o eixo PC1 captura a variação de tamanho. Minha pergunta é se as pontuações do PCA após a rotação...
Tenho algumas perguntas básicas sobre PCA (análise de componentes principais) e LDA (análise discriminante linear): No PCA, existe uma maneira de calcular a proporção de variação explicada. Também é possível para o LDA? Se sim, como? A saída “Proporção de rastreio” da ldafunção (na biblioteca R...
Eu tenho um conjunto de dados de 17 pessoas, classificando 77 declarações. Eu quero extrair componentes principais em uma matriz de correlação transposta de correlações entre pessoas (como variáveis) entre instruções (como casos). Eu sei, é estranho, chama-se Q Methodology . Quero ilustrar como o...
Ao fazer uma análise fatorial (por fatoração do eixo principal, por exemplo) ou uma análise de componentes principais como análise fatorial, e depois de executar uma rotação oblíqua das cargas, - qual matriz você usa para entender quais itens carregam em quais fatores e interpretar os fatores -...
Atualmente, estou lendo artigos sobre PCA probabilístico e me pergunto por que o prior gaussiano (e não outro prior) é escolhido para as variáveis latentes? É apenas porque é simples ou há outro motivo? Referências: Tipping & Bishop, 1999, Análise Probabilística de Componentes Principais -...