Supposons que je sources indépendantes, X 1 , X 2 , . . . , X n et I observent m mélanges convexes: YnnnX1, X2, . . . , XnX1,X2,...,XnX_1, X_2, ..., X_nmmmOui1. . .Ouim= a11X1+ a12X2+ ⋯ +a1 nXn=am 1X1+ am 2X2+ ⋯ + am nXnOui1=une11X1+une12X2+⋯+une1nXn...Ouim=unem1X1+unem2X2+⋯+unemnXn\begin{align}...
J'ai effectué une analyse en composantes principales de six variables AAA , BBB , CCC , DDD , EEE et FFF . Si je comprends bien, PC1 non rotatif me dit quelle combinaison linéaire de ces variables décrit / explique la plus grande variance dans les données et PC2 me dit quelle combinaison linéaire...
J'utilise FactoMineRpour réduire mon ensemble de données de mesures aux variables latentes. La carte des variables ci-dessus est claire pour moi à interpréter, mais je suis confus en ce qui concerne les associations entre les variables et le composant 1. En regardant la carte des variables, ddpet...
Supposons que nous ayons variables mesurables, , nous effectuons un nombre de mesures, puis souhaitons effectuer une décomposition en valeurs singulières sur les résultats pour trouver les axes de variance la plus élevée pour les points dans l'espace dimensionnel. ( Remarque: supposons que les...
Après quelques recherches, je trouve très peu sur l'incorporation de poids d'observation / erreurs de mesure dans l'analyse des composants principaux. Ce que je trouve a tendance à s'appuyer sur des approches itératives pour inclure des pondérations (par exemple, ici ). Ma question est pourquoi...
J'ai deux groupes de sujets, A et B, chacun avec une taille d'environ 400 et environ 300 prédicteurs. Mon objectif est de construire un modèle de prédiction pour une variable de réponse binaire. Mon client veut voir le résultat de l'application du modèle construit à partir de A sur B. (Dans son...
Si dans le noyau PCA, je choisis un noyau linéaire , le résultat sera-t-il différent du PCA linéaire ordinaire ? Les solutions sont-elles fondamentalement différentes ou existe-t-il une relation bien définie?K( x , y ) = x⊤yK(X,y)=X⊤yK(\mathbf{x},\mathbf{y}) = \mathbf x^\top \mathbf...
Je lisais la justification suivante (à partir des notes de cours cs229) sur la raison pour laquelle nous divisons les données brutes par son écart type: même si je comprends ce que dit l'explication, il n'est pas clair pour moi pourquoi la division par l'écart-type permettrait d'atteindre un tel...
L'article de Wikipedia sur l' analyse des composants principaux indique que Il existe des algorithmes efficaces pour calculer la SVD de sans avoir à former la matrice , donc le calcul de la SVD est désormais le moyen standard de calculer une analyse des composants principaux à partir d'une matrice...
L'ACP robuste (telle que développée par Candes et al 2009 ou mieux encore Netrepalli et al 2014 ) est une méthode populaire pour la détection des valeurs aberrantes multivariées , mais la distance de Mahalanobis peut également être utilisée pour la détection des valeurs aberrantes étant donné une...
Quelqu'un peut-il m'aider à interpréter les scores PCA? Mes données proviennent d'un questionnaire sur les attitudes envers les ours. Selon les chargements, j'ai interprété l'une de mes principales composantes comme "la peur des ours". Les scores de cette composante principale seraient-ils liés à...
Im suivant un tutoriel ici: http://www.r-bloggers.com/computing-and-visualizing-pca-in-r/ pour acquérir une meilleure compréhension de PCA. Le didacticiel utilise l'ensemble de données Iris et applique une transformation de journal avant PCA: Notez que dans le code suivant, nous appliquons une...
J'analyse les scores donnés par les participants à une expérience. Je souhaite estimer la fiabilité de mon questionnaire qui est composé de 6 items visant à estimer l'attitude des participants envers un produit. J'ai calculé l'alpha de Cronbach en traitant tous les éléments comme une seule échelle...
J'essaie d'effectuer un clustering au niveau du document. J'ai construit la matrice de fréquence terme-document et j'essaie de regrouper ces vecteurs de haute dimension en utilisant k-means. Au lieu de regrouper directement, ce que j'ai fait, j'ai d'abord appliqué la décomposition vectorielle...
La régression à rang réduit et la régression à composantes principales ne sont-elles que des cas particuliers de moindres carrés partiels? Ce tutoriel (Page 6, "Comparaison des objectifs") indique que lorsque nous faisons des moindres carrés partiels sans projeter X ou Y (c'est-à-dire "non...
Les composants de l'ACP (dans l'analyse des composants principaux) sont-ils statistiquement indépendants si nos données sont multivariées normalement distribuées? Si oui, comment cela peut-il être démontré / prouvé? Je demande parce que j'ai vu ce post , où la réponse la plus élevée dit: L'ACP ne...
Je viens de revoir une conférence du cours Machine Learning sur Coursera. Dans la section où le professeur discute de l'ACP pour le prétraitement des données dans les applications d'apprentissage supervisé, il dit que l'ACP ne devrait être effectuée que sur les données de formation, puis la...
J'ai des données pour un réseau de stations météorologiques à travers les États-Unis. Cela me donne un bloc de données qui contient la date, la latitude, la longitude et une certaine valeur mesurée. Supposons que les données soient collectées une fois par jour et dictées par la météo à l'échelle...
J'ai un ensemble de données avec 11 variables et PCA (orthogonal) a été fait pour réduire les données. Décider du nombre de composants à conserver était évident pour moi d'après mes connaissances sur le sujet et le tracé d'éboulis (voir ci-dessous) que deux composants principaux (PC) étaient...
Je sais que l'APC régulière ne suit pas le modèle probabiliste pour les données observées. Quelle est donc la différence fondamentale entre PCA et PPCA ? En PPCA, le modèle de variable latente contient par exemple les variables observées , latentes (variables non observées ) et une matrice qui n'a...