«biplot» etiketlenmiş sorular

Biplot veya ikili grafik, hem gözlemleri (örnek) hem de verilerin değişkenlerini - noktalar veya vektörler olarak - sunmak için keşifsel bir grafiktir. Eksenler tipik olarak gizli ana boyutlardır. Biplot genellikle temel bileşen analizi, yazışma analizi ve diğer çok değişkenli yöntemleri tasvir etmek için kullanılır.

1
Biplot ile İlişkili PCA ve Yazışma Analizi
Biplot, genellikle temel bileşen analizi (ve ilgili tekniklerin) sonuçlarını görüntülemek için kullanılır . Bileşen yüklerini ve bileşen puanlarını aynı anda gösteren ikili veya üst üste bir dağılım grafiğidir . Onun bir benim yorumun kalkan bir cevap verdiğini @amoeba bugün tarafından bilgi verildi soruya Biplot koordinatları nasıl üretildiği / ölçekli sorar; …

3
Bir milyon görselleştirme, PCA baskısı
Temel Bileşen Analizi'nin çıktısını yalnızca özet tablolardan daha fazla içgörü kazandıracak şekillerde görselleştirmek mümkün mü? Gözlem sayısı büyük olduğunda bunu yapmak mümkün mü, örneğin ~ 1e4? Ve bunu R [diğer ortamlar kabul edilir] 'de yapmak mümkün müdür?

2
Temel bileşen analizinde biplotların yorumlanması
Bu güzel derse rastladım: R Kullanarak İstatistiksel Analiz El Kitabı. Bölüm 13. Temel Bileşen Analizi: PCA'nın R dilinde nasıl yapıldığına dair Olimpik Heptatlon . Şekil 13.3'ün yorumunu anlamıyorum: Bu yüzden ilk özvektöre karşı ikinci özvektöre komplo yapıyorum. Bu ne anlama geliyor? Birinci özvektöre karşılık gelen özdeğerin, veri kümesindeki değişimin% 60'ını …

1
2B yazışma analizi grafiklerini yorumlama
İnterneti çok geniş bir alanda araştırıyorum ... 2D yazışma analizi grafiklerinin nasıl yorumlanacağına dair gerçekten iyi bir genel bakış bulamadım. Birisi noktalar arasındaki mesafelerin yorumlanması konusunda bazı tavsiyeler verebilir mi? Belki bir örnek yardımcı olabilir, işte yazışma analizini tartıştığım birçok web sitesinde bulunan bir arsa. Kırmızı üçgenler göz rengini, siyah …

1
PCA biplotunda okları konumlandırma
JavaScript temel bileşen analizi (PCA) için bir biplot uygulamak için arıyorum. Benim sorum, veri matrisinin tekil vektör ayrışmasının (SVD) U,V,DU,V,DU,V,D çıkışındaki okların koordinatlarını nasıl belirleyebilirim ? İşte R tarafından üretilen bir örnek biplot: biplot(prcomp(iris[,1:4])) Ben o kadar aradık Biplot Vikipedi'ye ama çok kullanışlı değil. Veya düzeltin. Hangisi olduğundan emin değilim.
18 pca  svd  biplot 

2
PCA biplotundaki dört eksen nedir?
PCA analizi için bir biplot oluşturduğunuzda, x ekseni üzerinde ana bileşen PC1 puanları ve y ekseninde PC2 puanları olur. Ancak ekranın sağındaki ve üstündeki diğer iki eksen nedir?
18 r  pca  biplot 

1
Bir değişkenin bir PCA bileşeniyle (bir biplot / yükleme grafiğinde) uygun ilişkilendirme ölçüsü nedir?
FactoMineRVeri ölçümlerimi gizli değişkenlere indirmek için kullanıyorum . Beni yorumlamak için yukarıdaki değişken haritası açıktır, ancak değişken Haritaya bakmak değişkenler ve bileşen 1 arasında derneklere geldiğinde karıştı, ddpve covçok yakın haritasındaki bileşenlerle ve ddpAbsbiraz daha fazla uzakta. Ancak, korelasyonların gösterdiği şey bu değildir: $Dim.1 $Dim.1$quanti correlation p.value jittAbs 0.9388158 1.166116e-11 …

1
PCA biplotundaki oklar ne anlama geliyor?
Aşağıdaki PCA biplotunu düşünün: 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) Bir sürü kırmızı ok çizilir, ne anlama geliyorlar? "Var1" ile etiketlenmiş ilk okun veri kümesinin en değişken yönünü göstermesi gerektiğini biliyordum (eğer bunları 2000 veri noktası olarak düşünürsek, …
14 r  pca  linear-algebra  biplot 

1
PCA ve PLS'de “yüklemeler” ve “korelasyon yüklemeleri” arasındaki fark nedir?
Temel Bileşen Analizi (PCA) yaparken yapılacak ortak bir şey, değişkenler arasındaki ilişkileri araştırmak için birbirine karşı iki yük çizmektir. Temel Bileşen Regresyonu ve PLS regresyonu yapmak için PLS R paketine eşlik eden makalede , korelasyon yükleme grafiği olarak adlandırılan farklı bir grafik vardır (makalede şekil 7 ve sayfa 15'e bakınız). …

1
R'de PCA biplotunda temel değişkenlerin okları
Soruyu yazılıma özgü hale getirme riski altındadır ve her yerde ve kendine özgü ifadelerinin mazereti ile, biplot()R'deki fonksiyon hakkında ve daha spesifik olarak, varsayılan, üst üste binmiş kırmızı okların hesaplanması ve çizilmesi hakkında sormak istiyorum. temeldeki değişkenlere. [Yorumlardan bazılarını anlamak için, başlangıçta gönderilen arazilerin az ilgi duyduğu bir sclaing sorunu …
11 r  pca  biplot 

3
Doğrusal bir diskriminant analizindeki (LDA) ölçeklendirme değerleri, doğrusal diskriminantlar üzerindeki açıklayıcı değişkenleri çizmek için kullanılabilir mi?
Temel bileşen analizi ile elde edilen değerlerin bir biplotunu kullanarak, her bir temel bileşeni oluşturan açıklayıcı değişkenleri incelemek mümkündür. Bu Doğrusal Ayırım Analiziyle de mümkün müdür? Sağlanan örneklerde veriler "Edgar Anderson'ın İris Verileri" dir ( http://en.wikipedia.org/wiki/Iris_flower_data_set ). İşte iris verileri : id SLength SWidth PLength PWidth species 1 5.1 3.5 …

1
İnsanların ilgilendiği alanlara ilişkin bir anketten gelen bu PCA biplotunu nasıl yorumlayabilirim?
Tarihsel Bilgiler: Araştırmamdaki yüzlerce katılımcıya seçilen alanlarla ne kadar ilgilendiklerini sordum (beş puan Likert ölçeğine göre 1 puan "ilgilenmiyorum" ve 5 puan "ilgileniyor" şeklinde). Sonra PCA'yı denedim. Aşağıdaki resim ilk iki temel bileşene bir izdüşümdür. Renkler cinsiyetler için kullanılır ve PCA okları orijinal değişkenlerdir (yani ilgi alanları). Onu farkettim: Noktalar …

1
Veri uzayları, değişken uzaylar, gözlem uzayları, model uzayları (örneğin doğrusal regresyonda)
Diyelim ki -by- olan veri matrisine ve -by-one olan etiket vektörüne sahibiz . Burada, matrisin her satırı bir gözlemdir ve her sütun bir boyuta / değişkene karşılık gelir. ( olduğunu varsayın )XX\mathbf{X}nnnpppYYYnnnn > pn>pn>p Sonra ne mi data space, variable space, observation space, model spacedemek? Sütun vektörü tarafından yayılan boşluk, …
Sitemizi kullandığınızda şunları okuyup anladığınızı kabul etmiş olursunuz: Çerez Politikası ve Gizlilik Politikası.
Licensed under cc by-sa 3.0 with attribution required.