Eu estou olhando para implementar um biplot para análise de componentes principais (PCA) em JavaScript. Minha pergunta é: como determinar as coordenadas das setas da saída da decomposição de vetor singular (SVD) da matriz de dados?você, V, DU,V,DU,V,D Aqui está um exemplo de biplot produzido por...
Suponha que tenhamos NNN variáveis mensuráveis, ( a1, um2, ... , UmN)(uma1,uma2,...,umaN)(a_1, a_2, \ldots, a_N) , fazemos um número M> NM>NM > N de medições e, em seguida, desejamos realizar uma decomposição de valor singular nos resultados para encontrar os eixos de maior variância para a...
Eu estava lendo a seguinte justificativa (das notas do curso cs229) sobre por que dividimos os dados brutos por seu desvio padrão: mesmo que eu entenda o que a explicação está dizendo, não está claro para mim por que a divisão pelo desvio padrão alcançaria tal objetivo. Diz que todos estão mais...
O PCA robusto (desenvolvido por Candes et al 2009 ou melhor ainda por Netrepalli et al 2014 ) é um método popular para detecção multivariada de outlier , mas a distância de Mahalanobis também pode ser usada para detecção de outlier, dada uma estimativa robusta e regularizada da matriz de...
Eu tenho dois grupos de sujeitos, A e B, cada um com um tamanho de aproximadamente 400 e cerca de 300 preditores. Meu objetivo é construir um modelo de previsão para uma variável de resposta binária. Meu cliente deseja ver o resultado da aplicação do modelo criado de A em B. (Em seu livro...
Se no PCA do kernel eu escolher um kernel linear K(x,y)=x⊤yK(x,y)=x⊤yK(\mathbf{x},\mathbf{y}) = \mathbf x^\top \mathbf y , o resultado será diferente do PCA linear comum ? As soluções são fundamentalmente diferentes ou existe alguma relação bem
O artigo da Wikipedia sobre análise de componentes principais afirma que Existem algoritmos eficientes para calcular o SVD de sem precisar formar a matriz , portanto, calcular o SVD agora é a maneira padrão de calcular uma análise de componentes principais a partir de uma matriz de dados, a...
Estou usando FactoMineRpara reduzir meu conjunto de dados de medidas para as variáveis latentes. O mapa variável acima é claro para mim interpretar, mas estou confuso quando se trata das associações entre as variáveis e componente 1. Olhando o mapa variável, ddpe covestá muito perto do...
Após algumas pesquisas, encontro muito pouco sobre a incorporação de pesos de observação / erros de medição na análise de componentes principais. O que eu acho tende a depender de abordagens iterativas para incluir ponderações (por exemplo, aqui ). Minha pergunta é por que essa abordagem é...
Alguém pode me ajudar na interpretação das pontuações do PCA? Meus dados vêm de um questionário sobre atitudes em relação aos ursos. De acordo com os carregamentos, interpretei um dos meus principais componentes como "medo de ursos". As pontuações desse componente principal estariam relacionadas à...
A regressão de classificação reduzida e a regressão de componentes principais são apenas casos especiais de mínimos quadrados parciais? Este tutorial (Página 6, "Comparação de objetivos") afirma que, quando fazemos mínimos quadrados parciais sem projetar X ou Y (ou seja, "não parcial"), ele se...
Estou analisando as pontuações dadas pelos participantes de um experimento. Quero estimar a confiabilidade do meu questionário, composto por 6 itens, com o objetivo de estimar a atitude dos participantes em relação a um produto. Eu calculei o alfa de Cronbach tratando todos os itens como uma...
Estou tentando executar o cluster no nível do documento. Eu construí a matriz de frequência termo-documento e estou tentando agrupar esses vetores de alta dimensão usando k-means. Em vez de agrupar diretamente, o que eu fiz foi aplicar primeiro a decomposição de vetor singular do LSA (Latent...
Os componentes do PCA (na análise de componentes principais) são estatisticamente independentes se nossos dados são multivariados normalmente distribuídos? Se sim, como isso pode ser demonstrado / comprovado? Pergunto porque vi este post , onde a resposta principal diz: O PCA não faz uma...
Estou seguindo um tutorial aqui: http://www.r-bloggers.com/computing-and-visualizing-pca-in-r/ para obter uma melhor compreensão do PCA. O tutorial usa o conjunto de dados Iris e aplica uma transformação de log antes do PCA: Observe que no código a seguir aplicamos uma transformação log para as...
Acabei de assistir novamente a uma palestra do curso Machine Learning no Coursera. Na seção em que o professor discute o PCA para pré-processamento de dados em aplicativos de aprendizado supervisionado, ele diz que o PCA deve ser executado apenas nos dados de treinamento e, em seguida, o mapeamento...
Eu tenho dados para uma rede de estações meteorológicas nos Estados Unidos. Isso me fornece um quadro de dados que contém data, latitude, longitude e algum valor medido. Suponha que os dados sejam coletados uma vez por dia e conduzidos pelo clima em escala regional (não, não entraremos nessa...
Eu sei que o PCA regular não segue o modelo probabilístico dos dados observados. Então, qual é a diferença básica entre PCA e PPCA ? No PPCA, o modelo de variável latente contém, por exemplo, variáveis observadas yyy , latentes (variáveis não observadas ) e uma matriz que não precisa ser...
Estou usando a Análise de componentes principais (PCA) para criar um índice necessário para minha pesquisa. Minha pergunta é como devo criar um único índice usando os principais componentes retidos calculados por meio do PCA. Por exemplo, decidi reter 3 componentes principais depois de usar o PCA...
Estou tentando ver se é necessário regressão de crista , LASSO , regressão de componente principal (PCR) ou mínimos quadrados parciais (PLS) em uma situação em que há um grande número de variáveis / recursos ( ) e menor número de amostras ( ), e meu objetivo é a previsão.pppn<pn<pn...