Estatísticas e Big Data pca

1

Qual é a diferença entre PCA regular e PCA probabilístico?

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 …

15 pca

2

Criando um único índice a partir de vários componentes principais ou fatores retidos do PCA / FA

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 e calculei as …

15 pca factor-analysis rating composite scale-construction

1

Regressão na configuração

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 …

15 regression pca lasso ridge-regression partial-least-squares

3

Quais são as diferenças entre análise semântica latente (LSA), indexação semântica latente (LSI) e decomposição de valor singular (SVD)?

Esses termos são reunidos muito, mas eu gostaria de saber quais são as diferenças, se houver. obrigado

15 pca text-mining svd

5

Pode-se usar regressão múltipla para prever um componente principal (PC) de vários outros PCs?

Há um tempo, um usuário da lista de discussão R-help perguntou sobre a integridade do uso de pontuações PCA em uma regressão. O usuário está tentando usar algumas pontuações do PC para explicar a variação em outro PC (consulte a discussão completa aqui ). A resposta foi que não, isso …

15 regression pca

1

Existe alguma quantidade necessária de variação capturada pelo PCA para fazer análises posteriores?

Eu tenho um conjunto de dados com 11 variáveis e PCA (ortogonal) foi feito para reduzir os dados. Decidir sobre o número de componentes para mantê-lo ficou evidente para mim pelo meu conhecimento sobre o assunto e o gráfico de seixos (veja abaixo) que dois componentes principais (PCs) eram suficientes …

15 variance pca

1

Qual método de comparação múltipla usar para um modelo mais antigo: lsmeans ou glht?

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 seguida, realizei um teste de razão de verossimilhança desse modelo em …

15 r repeated-measures multiple-comparisons post-hoc lsmeans bayesian posterior marginal integral anova time-series regularization machine-learning pca computational-statistics references inference regression cross-validation python random-forest chi-squared spearman-rho r machine-learning confidence-interval bagging clustering feature-selection model-selection bic hypothesis-testing kurtosis r regression residuals terminology

1

Qual o significado dos vetores próprios de uma matriz de informação mútua?

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 / valores da …

14 pca entropy mutual-information eigenvalues

1

Como o “Teorema Fundamental da Análise Fatorial” se aplica ao PCA, ou como os carregamentos de PCA são definidos?

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 …

14 pca factor-analysis terminology definition

2

Por que a esfericidade diagnosticada pelo teste de Bartlett significa que um PCA é inadequado?

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 certeza de onde …

14 variance pca heteroscedasticity

4

Quais variáveis explicam quais componentes do PCA e vice-versa?

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 quiser saber quais variáveis são explicadas principalmente por quais componentes principais? E …

14 r pca dimensionality-reduction regression-strategies

1

O que significam as setas em um biplot PCA?

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 "Var1" deveria apontar a direção mais variável do …

14 r pca linear-algebra biplot

3

Como posso interpretar o que recebo do PCA?

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 antecipadamente pelo que …

14 pca

2

Posso usar o CLR (transformação de razão de log centralizada) para preparar dados para o PCA?

Eu estou usando um script. É para registros principais. Eu tenho um quadro de dados que mostra as diferentes composições elementares nas colunas em uma determinada profundidade (na primeira coluna). Quero executar um PCA com ele e estou confuso sobre o método de padronização que tenho que escolher. Alguém de …

13 r pca normalization compositional-data

1

Por que Daniel Wilks (2011) diz que a regressão do componente principal "será tendenciosa"?

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 de variáveis preditoras com fortes correlações …

13 regression pca bias

Perguntas com a marcação «pca»