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...
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...
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 analisando um conjunto de dados usando um modelo de efeitos mistos com um efeito fixo (condição) e dois efeitos aleatórios (participante devido ao design do sujeito e ao par). O modelo foi gerado com o lme4pacote: exp.model<-lmer(outcome~condition+(1|participant)+(1|pair),data=exp). Em...
Considere o seguinte biplot PCA: library(mvtnorm) set.seed(1) x <- rmvnorm(2000, rep(0, 6), diag(c(5, rep(1,5)))) x <- scale(x, center=T, scale=F) pc <- princomp(x) biplot(pc) Há um monte de setas vermelhas plotadas, o que elas significam? Eu sabia que a primeira seta marcada com...
Atualmente, estou passando por um conjunto de slides que tenho para "análise fatorial" (PCA, tanto quanto eu sei). Nele, é derivado o "teorema fundamental da análise fatorial", que afirma que a matriz de correlação dos dados que entram na análise ( ) pode ser recuperada usando a matriz de cargas...
Como parte de uma tarefa da Universidade, preciso realizar o pré-processamento de dados em um conjunto de dados brutos bastante grande e multivariado (> 10). Eu não sou um estatístico em nenhum sentido da palavra, então estou um pouco confuso com o que está acontecendo. Peço desculpas...
Usando estes dados: head(USArrests) nrow(USArrests) Eu posso fazer um PCA da seguinte maneira: plot(USArrests) otherPCA <- princomp(USArrests) Eu posso obter os novos componentes em otherPCA$scores ea proporção de variância explicada pelos componentes com summary(otherPCA) Mas e se eu...
Ao examinar os vetores próprios da matriz de covariância, obtemos as direções da variação máxima (o primeiro vetor próprio é a direção na qual os dados variam mais etc.); isso é chamado de análise de componentes principais (PCA). Fiquei imaginando o que significaria olhar para os autovetores /...
Entendo que o Teste de Bartlett se preocupa em determinar se suas amostras são de populações com variações iguais. Se as amostras são de populações com variâncias iguais, falhamos em rejeitar a hipótese nula do teste e, portanto, uma análise de componentes principais é inadequada. Não tenho...
Estou usando a Decomposição de Valor Singular como uma técnica de redução de dimensionalidade. Dados os Nvetores de dimensão D, a idéia é representar os recursos em um espaço transformado de dimensões não correlacionadas, que condensa a maioria das informações dos dados nos vetores próprios desse...
Tanto quanto eu entendo, os componentes principais são obtidos girando os eixos de coordenadas para alinhá-los com as direções de variação máxima. No entanto, continuo lendo sobre "componentes principais não rotacionados" e meu software de estatística (SAS) me fornece componentes principais...
Eu tenho 3 ensaios cada um com 87 animais em cada um dos 2 contextos (alguns dados ausentes; nenhum dado ausente = 64 animais). Dentro de um contexto, tenho muitas medidas específicas (hora de entrar, número de vezes que retornam para abrigo, etc), assim que eu quero desenvolver 2 a 3 contagens de...
Eu tenho um conjunto de dados que consiste em 15 mil amostras marcadas (de 10 grupos). Quero aplicar a redução de dimensionalidade em duas dimensões, que levariam em consideração o conhecimento dos rótulos. Quando uso técnicas de redução de dimensionalidade não supervisionadas "padrão", como o...
Faz sentido fazer o PCA antes de executar uma Classificação Florestal Aleatória? Estou lidando com dados de texto de alta dimensão e quero reduzir os recursos para evitar a maldição da dimensionalidade, mas as florestas aleatórias já não têm algum tipo de redução de
Se eu construir uma matriz 2D composta inteiramente de dados aleatórios, esperaria que os componentes PCA e SVD não explicassem nada. Em vez disso, parece que a primeira coluna SVD parece explicar 75% dos dados. Como isso pode ser possível? O que estou fazendo de errado? Aqui está o...
Executei o PCA em 25 variáveis e selecionei os 7 principais PCs usando prcomp. prc <- prcomp(pollutions, center=T, scale=T, retx=T) Eu fiz a rotação varimax nesses componentes. varimax7 <- varimax(prc$rotation[,1:7]) E agora desejo varimax rotacionar os dados rotacionados com PCA (como...
Eu sei que a seleção de recursos e a redução de dimensionalidade visam reduzir o número de recursos no conjunto original de recursos. Qual é a diferença exata entre os dois se estivermos fazendo a mesma coisa nos
Em Métodos Estatísticos nas Ciências Atmosféricas , Daniel Wilks observa que a regressão linear múltipla pode levar a problemas se houver intercorrelações muito fortes entre os preditores (3ª edição, página 559-560): Uma patologia que pode ocorrer na regressão linear múltipla é que um conjunto...
Eu costumava diagnosticar meus dados multivariados usando o PCA (dados omicos com centenas de milhares de variáveis e dezenas ou centenas de amostras). Os dados geralmente vêm de experimentos com várias variáveis independentes categóricas que definem alguns grupos, e muitas vezes tenho que...