Estatísticas e Big Data pca

1

Visualizando PCA em R: pontos de dados, vetores próprios, projeções, elipse de confiança

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 PCA funciona nesse contexto, extraindo …

8 r data-visualization pca ggplot2 eigenvalues

1

Independência linear versus independência estatística (PCA e ICA)

Estou lendo este artigo interessante sobre a aplicação da ICA aos dados de expressão gênica. Os autores escrevem: [T] aqui não é necessário que os componentes do PCA sejam estatisticamente independentes. Isso é verdade, mas os PCs são ortogonais, não são? Estou um pouco confuso sobre qual é a relação …

8 pca independence ica

1

Sob quais condições o PCA e o FA produzem resultados semelhantes?

Sob quais condições a análise de componentes principais (PCA) e a análise fatorial (FA) podem produzir resultados semelhantes?

8 pca factor-analysis

2

Existe um teste / técnica / método para comparar decomposições de componentes principais entre amostras?

Existe alguma maneira metódica de comparar as direções, magnitudes, etc, dos resultados do PCA para diferentes amostras coletadas da mesma população? Estou deixando a natureza do teste deliberadamente vaga, porque gostaria de ouvir todas as várias possibilidades ... por exemplo, pode haver (e estou especulando aqui) um teste comparando os …

8 hypothesis-testing pca variance inference

1

Quando é apropriado usar o PCA como uma etapa de pré-processamento?

Entendo que o PCA é usado para redução de dimensionalidade para poder plotar conjuntos de dados em 2D ou 3D. Mas também vi pessoas aplicando o PCA como uma etapa de pré-processamento nos cenários de classificação em que eles aplicam o PCA para reduzir o número de recursos, depois usam …

8 machine-learning pca data-mining dimensionality-reduction

1

O que significa “PCA (Principal Component Analysis) spheres the data” significa?

Eu estava lendo algumas anotações e diz que o PCA pode "esfolar os dados". O que eles definem para mim como "digitando os dados" é dividir cada dimensão pela raiz quadrada do valor próprio correspondente. Estou assumindo que por "dimensão" eles significam cada vetor base no qual estamos projetando (ou …

8 pca

1

Coordenadas em estrela vs. análise de componentes principais

Atualmente, estou preparando uma apresentação para um curso universitário em "Análise visual de dados". E um dos meus tópicos é a visualização "Star Coordinate". Star Coordinates Como o Star Coordinates realiza uma transformação de dados de alta dimensão, e a conhecida técnica PCA também o faz, pergunto-me se o PCA …

8 data-visualization pca large-data

1

Proporção da variância explicada em PCA e LDA

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 MASS) é equivalente à …

8 r variance pca discriminant-analysis

1

Usando componentes PCA com rotação varimax como preditores na regressão linear

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 …

8 regression pca factor-rotation

1

A distribuição dos valores próprios, dado um, é conhecida

Estou familiarizado com o uso de insights da Random Matrix Theory para determinar o número de componentes principais do PCA de uma matriz de covariância / correlação a ser usada para formar fatores. Se o autovalor associado ao primeiro PC for grande, significa que os autovalores restantes devem ser pequenos …

8 correlation pca covariance eigenvalues random-matrix

3

Teste post hoc em uma ANOVA de design misto 2x3 usando SPSS?

Eu tenho dois grupos de 10 participantes que foram avaliados três vezes durante um experimento. Para testar as diferenças entre os grupos e nas três avaliações, executei um ANOVA de desenho misto 2x3 com group(controle, experimental), time(primeiro, segundo, três) e group x time. Ambos timee groupresultaram significativos, além de haver …

8 anova mixed-model spss post-hoc bonferroni time-series unevenly-spaced-time-series classification normal-distribution discriminant-analysis probability normal-distribution estimation sampling classification svm terminology pivot-table random-generation self-study estimation sampling estimation categorical-data maximum-likelihood excel least-squares instrumental-variables 2sls total-least-squares correlation self-study variance unbiased-estimator bayesian mixed-model ancova statistical-significance references p-value fishers-exact probability monte-carlo particle-filter logistic predictive-models modeling interaction survey hypothesis-testing multiple-regression regression variance data-transformation residuals minitab r time-series forecasting arima garch correlation estimation least-squares bias pca predictive-models genetics sem partial-least-squares nonparametric ordinal-data wilcoxon-mann-whitney bonferroni wilcoxon-signed-rank traminer regression econometrics standard-error robust misspecification r probability logistic generalized-linear-model r-squared effect-size gee ordered-logit bayesian classification svm kernel-trick nonlinear bayesian pca dimensionality-reduction eigenvalues probability distributions mathematical-statistics estimation nonparametric kernel-smoothing expected-value filter mse time-series correlation data-visualization clustering estimation predictive-models recommender-system sparse hypothesis-testing data-transformation parametric probability summations correlation pearson-r spearman-rho bayesian replicability dimensionality-reduction discriminant-analysis outliers weka

1

Intervalos de confiança ao usar o teorema de Bayes

Estou computando algumas probabilidades condicionais e intervalos de confiança associados a 95%. Para muitos de meus casos, tenho contagens diretas de xsucessos fora dos ntestes (de uma tabela de contingência), para que eu possa usar um intervalo de confiança binomial, como é fornecido por binom.confint(x, n, method='exact')in R. Em outros …

8 r bayesian confidence-interval conditional-probability hidden-markov-model segmentation hypothesis-testing statistical-significance multiple-comparisons multiple-regression r regression survey sample finite-population pca model-selection dataset partitioning clustering time-series least-squares regression standard-error causality r time-series outliers missing-data machine-learning svm hypothesis-testing discrete-data r data-visualization survey likert finance regression pca feature-selection stepwise-regression underdetermined svm natural-language

3

Técnicas de redução de dimensão para amostras muito pequenas

Eu tenho 21 variáveis socioeconômicas e de nível macro de atitude (como porcentagem de mães de 24 a 54 anos que não estão empregadas, porcentagem de crianças de 3 a 5 anos em creches e assim por diante). Também tenho dados sobre as proporções de avós que prestaram cuidados infantis …

8 pca factor-analysis dimensionality-reduction small-sample correspondence-analysis

1

SVD de uma matriz de dados (PCA) após suavização

Digamos que eu tenha uma matriz de dados centrada com SVD .n×mn×mn \times mAAAA=UΣVTA=UΣVTA = U \Sigma V^{T} Por exemplo, colunas (medidas) que são espectros com frequências diferentes. A matriz é centralizada para que as linhas da matriz tenham sua média subtraída. Isso serve para interpretar os vetores singulares à …

8 pca smoothing svd

1

Correlação de variáveis clínicas contínuas e dados de expressão gênica

Nas análises de classificação SVM (núcleo linear) de um conjunto de dados de expressão gênica (~ 400 variáveis / genes) para ~ 25 cada um dos casos e controles, acho que os classificadores baseados em expressão gênica têm características de desempenho muito boas. Os casos e controles não diferem significativamente …

8 correlation classification pca continuous-data

Perguntas com a marcação «pca»