Estatísticas e Big Data pca

3

Por que usamos o PCA para acelerar os algoritmos de aprendizado quando podemos apenas reduzir o número de recursos?

Em um curso de aprendizado de máquina, aprendi que um uso comum do PCA ( Análise de Componentes Principais ) é acelerar outros algoritmos de aprendizado de máquina. Por exemplo, imagine que você está treinando um modelo de regressão logística. Se você tiver um conjunto de treinamento para i de …

12 machine-learning pca

1

Pacote GBM vs. Caret usando GBM

Estive usando o ajuste de modelo caret, mas depois executei novamente o modelo usando o gbmpacote. Entendo que o caretpacote usa gbme a saída deve ser a mesma. No entanto, apenas um teste rápido usando data(iris)mostra uma discrepância no modelo de cerca de 5% usando RMSE e R ^ 2 …

12 r caret gbm matrix linear-algebra logistic modeling logit ordered-logit r confidence-interval survival population weibull classification separation hypothesis-testing correlation statistical-significance p-value python r data-visualization r regression multiple-regression chi-squared multivariate-analysis distributions random-variable experiment-design distributions poisson-regression residuals excel time-series garch var survival modeling cox-model interaction r pca normality-assumption

1

Etapas realizadas na análise fatorial comparadas às etapas realizadas no PCA

Sei como executar o PCA (análise de componentes principais), mas gostaria de saber as etapas que devem ser usadas para a análise fatorial. Para executar o PCA, vamos considerar uma matriz , por exemplo:UMAUMAA 3 1 -1 2 4 0 4 -2 -5 11 22 20 Eu calculei sua matriz …

12 pca factor-analysis algorithms

4

Seleção de modelo PCA usando AIC (ou BIC)

Desejo usar o Critério de informações de Akaike (AIC) para escolher o número apropriado de fatores a serem extraídos em um PCA. O único problema é que não tenho certeza de como determinar o número de parâmetros. Considere uma matriz , em que representa o número de variáveis e o …

12 pca model-selection

2

PCA e florestas aleatórias

Para uma competição recente do Kaggle, eu (manualmente) defini 10 recursos adicionais para o meu conjunto de treinamento, que seriam usados para treinar um classificador de florestas aleatórias. Decidi executar o PCA no conjunto de dados com os novos recursos, para ver como eles se comparavam. Eu descobri que ~ …

12 classification pca random-forest

5

Posso usar o PCA para fazer a seleção de variáveis para análise de cluster?

Eu tenho que reduzir o número de variáveis para realizar uma análise de cluster. Minhas variáveis estão fortemente correlacionadas, então pensei em fazer uma Análise Fatorial PCA (análise de componentes principais). No entanto, se eu usar as pontuações resultantes, meus clusters não estão muito corretos (em comparação com classificações anteriores …

12 clustering pca feature-selection factor-analysis

2

O que os primeiros fatores

Na análise de componentes principais, os primeiros componentes principais são as direções ortogonais k com a variação máxima. Em outras palavras, o primeiro componente principal é escolhido para ser a direção da variação máxima, o segundo componente principal é escolhido para ser a direção ortogonal à primeira com a variação …

12 pca factor-analysis

2

Como usar a análise de componentes principais para selecionar variáveis para regressão?

Atualmente, estou usando a análise de componentes principais para selecionar variáveis a serem usadas na modelagem. No momento, faço as medições A, B e C em meus experimentos - O que realmente quero saber é: Posso fazer menos medições e parar de gravar C e ou B para economizar tempo …

12 regression pca model-selection

1

Diferença entre implementações scikit-learn do PCA e TruncatedSVD

Entendo a relação entre Análise de Componentes Principais e Decomposição de Valor Singular em um nível algébrico / exato. Minha pergunta é sobre a implementação do scikit-learn . A documentação diz: " [TruncatedSVD] é muito semelhante ao PCA, mas opera diretamente em vetores de amostra, em vez de em uma …

12 pca scikit-learn svd scipy

1

Como escolher um kernel para o kernel PCA?

Quais são as maneiras de escolher qual kernel resultaria em boa separação de dados na saída final de dados pelo kernel PCA (análise de componentes principais) e quais são as maneiras de otimizar os parâmetros do kernel? Os termos de Layman, se possível, seriam muito apreciados, e links para artigos …

12 pca cross-validation dimensionality-reduction kernel-trick manifold-learning

4

Executando PCA com apenas uma matriz de distância

Quero agrupar um conjunto de dados massivo para o qual tenho apenas as distâncias aos pares. Eu implementei um algoritmo k-medoids, mas está demorando muito para ser executado, então eu gostaria de começar reduzindo a dimensão do meu problema aplicando o PCA. No entanto, a única maneira que sei executar …

12 pca dimensionality-reduction multidimensional-scaling

2

As soluções PCA são únicas?

Quando executo o PCA em um determinado conjunto de dados, a solução fornecida é única? Ou seja, obtenho um conjunto de coordenadas 2D, com base nas distâncias entre pontos. É possível encontrar pelo menos mais um arranjo dos pontos que atenderiam a essas restrições? Se a resposta for sim, como …

12 pca

4

Como executar o PCA para dados de dimensionalidade muito alta?

Para executar a análise de componentes principais (PCA), é necessário subtrair os dados de cada coluna, calcular a matriz do coeficiente de correlação e, em seguida, localizar os vetores próprios e os valores próprios. Bem, pelo contrário, foi o que fiz para implementá-lo no Python, exceto que funciona apenas com …

12 pca python

3

Significado de "erro de reconstrução" em PCA e LDA

Estou implementando PCA, LDA e Naive Bayes, para compactação e classificação, respectivamente (implementando um LDA para compactação e classificação). Eu tenho o código escrito e tudo funciona. O que eu preciso saber, para o relatório, é qual é a definição geral de erro de reconstrução . Posso encontrar muita matemática …

12 machine-learning pca terminology dimensionality-reduction discriminant-analysis

3

Existe algum valor na redução da dimensionalidade de um conjunto de dados em que todas as variáveis são aproximadamente ortogonais?

Suponhamos que tem uma conjunto de dados -dimensional onde os dimensões são aproximadamente ortogonal (ter correlação zero).NNNNNN Existe alguma utilidade em termos de: Visualização Representação (para eficiência do classificador) Ou outros critérios executar redução de dimensionalidade nos dados?

11 pca dimensionality-reduction

Perguntas com a marcação «pca»