Estatísticas e Big Data pca

1

Qual é a diferença entre "cargas" e "cargas de correlação" no PCA e PLS?

Uma coisa comum a se fazer ao fazer a Análise de Componentes Principais (PCA) é plotar duas cargas uma contra a outra para investigar os relacionamentos entre as variáveis. No artigo que acompanha o pacote PLS R para fazer a regressão de componentes principais e a regressão PLS, há um …

11 r pca terminology partial-least-squares biplot

3

Como projetar o espaço de alta dimensão em um plano bidimensional?

Eu tenho um conjunto de pontos de dados em um espaço N-dimensional. Além disso, eu também tenho um centróide neste mesmo espaço N-dimensional. Existem abordagens que me permitam projetar esses pontos de dados em um espaço bidimensional, mantendo as informações de distância relativa no espaço original. O PCA é o …

11 data-visualization pca multidimensional-scaling

2

Qual é a vantagem de reduzir a dimensionalidade dos preditores para fins de regressão?

Quais são as aplicações ou vantagens das técnicas de regressão de redução de dimensão (DRR) ou redução de dimensionalidade supervisionada (SDR) sobre as técnicas de regressão tradicionais (sem nenhuma redução de dimensionalidade)? Essa classe de técnicas encontra uma representação em baixa dimensão do conjunto de recursos para o problema de …

11 regression machine-learning pca dimensionality-reduction

3

Tutorial prático do PCA com dados

Pesquisando na Internet o tutorial do PCA fornece milhares de resultados (até vídeos). Muitos dos tutoriais são muito bons. Mas não consigo encontrar nenhum exemplo prático em que o PCA é explicado usando alguns conjuntos de dados que posso usar para demonstração. Preciso de um tutorial que forneça um pequeno …

11 data-visualization dataset pca data-mining

7

Técnica de redução de dados para identificar tipos de países

Ensino um curso introdutório de geografia econômica. Para ajudar meus alunos a entender melhor os tipos de países encontrados na economia mundial contemporânea e apreciar as técnicas de redução de dados, quero construir uma tarefa que crie uma tipologia de diferentes tipos de países (por exemplo, alta renda e alta …

11 pca factor-analysis dimensionality-reduction

1

Qual é a diferença entre summary () e loadings () para o objeto princomp () no R?

Código de exemplo: (pc.cr <- princomp(USArrests)) summary(pc.cr) loadings(pc.cr) ## note that blank entries are small but not zero Estou obtendo resultados diferentes de cada um e não tenho certeza de entender qual é a diferença. Aqui está a saída: > summary(pc.cr) Importance of components: Comp.1 Comp.2 Comp.3 Comp.4 Standard deviation …

11 r pca

1

Setas de variáveis subjacentes no PCA biplot em R

Correndo o risco de tornar a pergunta específica do software e com a desculpa de sua onipresença e idiossincrasias, quero perguntar sobre a função biplot()em R e, mais especificamente, sobre o cálculo e a plotagem de suas setas vermelhas sobrepostas padrão, correspondentes às variáveis subjacentes. [Para entender alguns dos comentários, …

11 r pca biplot

1

R / mgcv: Por que os produtos tensores te () e ti () produzem superfícies diferentes?

O mgcvpacote para Rpossui duas funções para ajustar as interações do produto tensorial: te()e ti(). Entendo a divisão básica do trabalho entre os dois (ajustando uma interação não linear versus decompondo essa interação em efeitos principais e uma interação). O que não entendo é o porquê te(x1, x2)e ti(x1) + …

11 r gam mgcv conditional-probability mixed-model references bayesian estimation conditional-probability machine-learning optimization gradient-descent r hypothesis-testing wilcoxon-mann-whitney time-series bayesian inference change-point time-series anova repeated-measures statistical-significance bayesian contingency-tables regression prediction quantiles classification auc k-means scikit-learn regression spatial circular-statistics t-test effect-size cohens-d r cross-validation feature-selection caret machine-learning modeling python optimization frequentist correlation sample-size normalization group-differences heteroscedasticity independence generalized-least-squares lme4-nlme references mcmc metropolis-hastings optimization r logistic feature-selection separation clustering k-means normal-distribution gaussian-mixture kullback-leibler java spark-mllib data-visualization categorical-data barplot hypothesis-testing statistical-significance chi-squared type-i-and-ii-errors pca scikit-learn conditional-expectation statistical-significance meta-analysis intuition r time-series multivariate-analysis garch machine-learning classification data-mining missing-data cart regression cross-validation matrix-decomposition categorical-data repeated-measures chi-squared assumptions contingency-tables prediction binary-data trend test-for-trend matrix-inverse anova categorical-data regression-coefficients standard-error r distributions exponential interarrival-time copula log-likelihood time-series forecasting prediction-interval mean standard-error meta-analysis meta-regression network-meta-analysis systematic-review normal-distribution multiple-regression generalized-linear-model poisson-distribution poisson-regression r sas cohens-kappa

2

Como determinar parâmetros para t-SNE para reduzir dimensões?

Eu sou muito novo em casamentos de palavras. Quero visualizar como os documentos estão cuidando da aprendizagem. Eu li que t-SNE é a abordagem para fazê-lo. Tenho 100 mil documentos com 250 dimensões como o tamanho da incorporação. Existem vários pacotes disponíveis também. No entanto, para t-SNE, não sei quantas …

11 pca dimensionality-reduction word2vec word-embeddings tsne

3

O primeiro componente principal não separa classes, mas outros PCs fazem; Como isso é possível?

Executei o PCA em 17 variáveis quantitativas para obter um conjunto menor de variáveis, que são os principais componentes, para serem usadas no aprendizado de máquina supervisionado para classificar instâncias em duas classes. Após o PCA, o PC1 responde por 31% da variação nos dados, o PC2 responde por 17%, …

11 machine-learning classification pca dimensionality-reduction

4

Análise e regressão de componentes principais em Python

Estou tentando descobrir como reproduzir em Python algum trabalho que fiz no SAS. Usando esse conjunto de dados , onde a multicolinearidade é um problema, eu gostaria de executar a análise de componentes principais em Python. Analisei o scikit-learn e o statsmodels, mas não sei como obter sua saída e …

11 pca python scikit-learn

3

Os valores de escala em uma análise discriminante linear (LDA) podem ser usados para plotar variáveis explicativas nos discriminantes lineares?

Usando um biplot de valores obtidos através da análise de componentes principais, é possível explorar as variáveis explicativas que compõem cada componente principal. Isso também é possível com a Análise Discriminante Linear? Os exemplos fornecidos usam Os dados são "Dados de íris de Edgar Anderson" ( http://en.wikipedia.org/wiki/Iris_flower_data_set ). Aqui estão …

11 r pca multivariate-analysis discriminant-analysis biplot

1

A análise de componentes principais elimina o ruído nos dados

A Análise de Componente Principal (PCA) elimina o ruído no conjunto de dados? Se o PCA não eliminar o ruído no conjunto de dados, o que realmente o PCA faz no conjunto de dados? Alguém pode me ajudar sobre esse assunto.

11 machine-learning neural-networks pca noise

1

Número de componentes principais ao pré-processar usando PCA no pacote de interpolação em R

Estou usando o caretpacote no Rtreinamento de classificadores binários SVM. Para redução de recursos, estou pré-processando com o PCA usando o recurso incorporado preProc=c("pca")ao chamar train(). Aqui estão as minhas perguntas: Como o sinal de intercalação seleciona os principais componentes? Existe um número fixo de componentes principais que está selecionado? …

11 r machine-learning pca cross-validation caret

1

Perguntas sobre PCA: quando os PCs são independentes? por que o PCA é sensível ao dimensionamento? por que os PCs são restritos a serem ortogonais?

Estou tentando entender algumas descrições do PCA (os dois primeiros são da Wikipedia), ênfase adicionada: Os componentes principais são garantidos como independentes apenas se o conjunto de dados for normalmente distribuído em conjunto . A independência dos principais componentes é muito importante? Como posso entender essa descrição? O PCA é …

11 pca dimensionality-reduction

Perguntas com a marcação «pca»