Estatísticas e Big Data pca

4

O que torna o núcleo gaussiano tão mágico para o PCA e também em geral?

Eu estava lendo sobre o kernel PCA ( 1 , 2 , 3 ) com núcleos gaussianos e polinomiais. Como o kernel gaussiano separa aparentemente qualquer tipo de dados não lineares excepcionalmente bem? Por favor, faça uma análise intuitiva, bem como uma análise matematicamente envolvida, se possível. O que é …

67 machine-learning pca svm kernel-trick

8

O PCA seguido de uma rotação (como o varimax) ainda é PCA?

Eu tentei reproduzir alguma pesquisa (usando PCA) do SPSS em R. Na minha experiência, a principal() função do pacote psychfoi a única função que se aproximou (ou se minha memória me serve bem, inoperante) para corresponder à saída. Para combinar com os mesmos resultados que no SPSS, eu tive que …

63 r spss pca factor-analysis factor-rotation

5

Qual é a relação entre o cluster de k-means e o PCA?

É uma prática comum aplicar o PCA (análise de componentes principais) antes de um algoritmo de armazenamento em cluster (como k-means). Acredita-se que melhora os resultados do agrupamento na prática (redução de ruído). No entanto, estou interessado em um estudo comparativo e aprofundado da relação entre PCA e k-médias. Por …

61 clustering pca k-means

2

Qual é a diferença entre o clareamento ZCA e clareamento PCA?

Estou confuso sobre o branqueamento ZCA e o branqueamento normal (que é obtido pela divisão dos componentes principais pelas raízes quadradas dos valores próprios de PCA). Até onde sei, xZCAwhite=UxPCAwhite,xZCAwhite=UxPCAwhite,\mathbf x_\mathrm{ZCAwhite} = \mathbf U \mathbf x_\mathrm{PCAwhite}, que são vetores próprios de PCA.UU\mathbf U Quais são os usos do clareamento ZCA? …

60 pca dimensionality-reduction image-processing

4

Quais são as diferenças entre PCA e autoencoder?

O PCA e o autoencoder podem reduzir a demension, então, qual é a diferença entre eles? Em que situação devo usar um sobre o outro?

56 machine-learning pca neural-networks autoencoders

9

Recomendação de livros de estatísticas avançadas

Existem vários tópicos neste site para recomendações de livros sobre estatísticas introdutórias e aprendizado de máquina, mas estou procurando um texto sobre estatísticas avançadas, incluindo, em ordem de prioridade: probabilidade máxima, modelos lineares generalizados, análise de componentes principais, modelos não lineares . Eu tentei o Statistical Models da AC Davison, …

55 generalized-linear-model pca maximum-likelihood references saddlepoint-approximation

3

Utilizando Análise de Componentes Principais (PCA) para Seleção de Recursos

Eu sou novo na seleção de recursos e estava pensando em como você usaria o PCA para executar a seleção de recursos. O PCA calcula uma pontuação relativa para cada variável de entrada que você pode usar para filtrar variáveis de entrada não informativas? Basicamente, desejo poder solicitar os recursos …

54 r pca feature-selection

7

Melhor algoritmo PCA para um grande número de recursos (> 10K)?

Eu perguntei isso anteriormente no StackOverflow, mas parece que pode ser mais apropriado aqui, já que não obteve respostas no SO. É uma espécie de cruzamento entre estatística e programação. Preciso escrever algum código para fazer o PCA (Principal Component Analysis). Naveguei pelos algoritmos conhecidos e implementei este , que, …

54 pca algorithms model-evaluation high-dimensional

5

Qual é uma explicação intuitiva de como o PCA passa de um problema geométrico (com distâncias) para um problema de álgebra linear (com vetores próprios)?

Eu li muito sobre o PCA, incluindo vários tutoriais e perguntas (como este , este , este e este ). O problema geométrico que o PCA está tentando otimizar é claro para mim: o PCA tenta encontrar o primeiro componente principal minimizando o erro de reconstrução (projeção), que maximiza simultaneamente …

54 pca optimization linear-algebra intuition

3

Interpretação do preditor e / ou resposta transformada em log

Gostaria de saber se faz diferença na interpretação se apenas as variáveis dependentes, dependentes e independentes ou apenas as independentes são transformadas em log. Considere o caso de log(DV) = Intercept + B1*IV + Error Eu posso interpretar o IV como o aumento percentual, mas como isso muda quando eu …

46 regression data-transformation interpretation regression-coefficients logarithm r dataset stata hypothesis-testing contingency-tables hypothesis-testing statistical-significance standard-deviation unbiased-estimator t-distribution r functional-data-analysis maximum-likelihood bootstrap regression change-point regression sas hypothesis-testing bayesian randomness predictive-models nonparametric terminology parametric correlation effect-size loess mean pdf quantile-function bioinformatics regression terminology r-squared pdf maximum multivariate-analysis references data-visualization r pca r mixed-model lme4-nlme distributions probability bayesian prior anova chi-squared binomial generalized-linear-model anova repeated-measures t-test post-hoc clustering variance probability hypothesis-testing references binomial profile-likelihood self-study excel data-transformation skewness distributions statistical-significance econometrics spatial r regression anova spss linear-model

3

Qual é a função objetivo do PCA?

A análise de componentes principais pode usar a decomposição da matriz, mas isso é apenas uma ferramenta para chegar lá. Como você encontraria os principais componentes sem o uso de álgebra matricial? Qual é a função objetivo (objetivo) e quais são as restrições?

42 pca

1

Como determinar componentes principais significativos usando o bootstrapping ou a abordagem de Monte Carlo?

Estou interessado em determinar o número de padrões significativos provenientes de uma Análise de Componentes Principais (PCA) ou de Função Ortogonal Empírica (EOF). Estou particularmente interessado em aplicar esse método aos dados climáticos. O campo de dados é uma matriz MxN, com M sendo a dimensão do tempo (por exemplo, …

40 r pca bootstrap monte-carlo

1

Como a centralização dos dados se livra da interceptação na regressão e no PCA?

Eu continuo lendo sobre instâncias em que centralizamos os dados (por exemplo, com regularização ou PCA) para remover a interceptação (conforme mencionado nesta pergunta ). Eu sei que é simples, mas estou tendo dificuldades para entender isso intuitivamente. Alguém poderia fornecer a intuição ou uma referência que eu possa ler?

40 regression pca centering

3

Existem casos em que o PCA é mais adequado que o t-SNE?

Quero ver como 7 medidas de comportamento de correção de texto (tempo gasto corrigindo o texto, número de pressionamentos de tecla etc.) se relacionam. As medidas estão correlacionadas. Executei um PCA para ver como as medidas projetavam no PC1 e PC2, o que evitava a sobreposição de executar testes de …

39 pca tsne

3

O PCA funcionaria para tipos de dados booleanos (binários)?

Quero reduzir a dimensionalidade dos sistemas de ordem superior e capturar a maior parte da covariância em um campo de preferência bidimensional ou unidimensional. Entendo que isso pode ser feito por meio da análise de componentes principais e usei o PCA em muitos cenários. No entanto, nunca o usei com …

38 pca data-visualization binary-data dimensionality-reduction correspondence-analysis

Perguntas com a marcação «pca»