«factor-rotation» etiketlenmiş sorular

Bir faktör analizi (veya PCA) çözümündeki faktörlerin doğrusal dönüşümü, genellikle yorumlanabilirliği geliştirmek için yapılır. Faktör döndürme yöntemleri arasında varimax, promax, oblimin vb. Bulunur.

8
PCA bunu hala PCA'da döndürme (varimax gibi) izliyor mu?
Benim tecrübelerime R. SPSS dan (PCA kullanarak) biraz araştırma çoğaltmak çalıştık, principal() fonksiyon paketinden psychgole tek fonksiyonu oldu (ya Hafızam beni yanıltmıyorsa, ölü) çıktı maç. SPSS ile aynı sonuçları eşleştirmek için parametreyi kullanmak zorunda kaldım principal(..., rotate = "varimax"). Makalelerin PCA'yı nasıl yaptıkları hakkında konuştuğunu gördüm, ancak SPSS'nin çıktısına ve …

1
Faktör Analizi / PCA'da rotasyon yapmanın arkasındaki sezgisel sebep nedir ve nasıl uygun rotasyon seçilmeli?
Sorularım Faktör analizinde (veya PCA'daki bileşenler) faktörlerin dönmesini yapmanın ardındaki sezgisel sebep nedir? Anladığım kadarıyla eğer değişkenler üst bileşenlere (veya faktörlere) neredeyse eşit olarak yüklenirse, o zaman açıkça bileşenleri ayırt etmek zordur. Dolayısıyla bu durumda bileşenlerin daha iyi bir şekilde ayırt edilebilmesi için rotasyon kullanılabilir. Bu doğru mu? Rotasyon yapmanın …

1
Serbestlik dereceleri tam sayı olmayan bir sayı olabilir mi?
GAM kullandığımda, artık DF (kodun son satırı) olduğunu gösteriyor. Bu ne anlama geliyor? GAM örneğinin ötesine geçmek, Genel olarak, serbestlik derecelerinin sayısı tam sayı olmayan bir sayı olabilir mi?26,626,626.6 > library(gam) > summary(gam(mpg~lo(wt),data=mtcars)) Call: gam(formula = mpg ~ lo(wt), data = mtcars) Deviance Residuals: Min 1Q Median 3Q Max -4.1470 …
27 r  degrees-of-freedom  gam  machine-learning  pca  lasso  probability  self-study  bootstrap  expected-value  regression  machine-learning  linear-model  probability  simulation  random-generation  machine-learning  distributions  svm  libsvm  classification  pca  multivariate-analysis  feature-selection  archaeology  r  regression  dataset  simulation  r  regression  time-series  forecasting  predictive-models  r  mean  sem  lavaan  machine-learning  regularization  regression  conv-neural-network  convolution  classification  deep-learning  conv-neural-network  regression  categorical-data  econometrics  r  confirmatory-factor  scale-invariance  self-study  unbiased-estimator  mse  regression  residuals  sampling  random-variable  sample  probability  random-variable  convergence  r  survival  weibull  references  autocorrelation  hypothesis-testing  distributions  correlation  regression  statistical-significance  regression-coefficients  univariate  categorical-data  chi-squared  regression  machine-learning  multiple-regression  categorical-data  linear-model  pca  factor-analysis  factor-rotation  classification  scikit-learn  logistic  p-value  regression  panel-data  multilevel-analysis  variance  bootstrap  bias  probability  r  distributions  interquartile  time-series  hypothesis-testing  normal-distribution  normality-assumption  kurtosis  arima  panel-data  stata  clustered-standard-errors  machine-learning  optimization  lasso  multivariate-analysis  ancova  machine-learning  cross-validation 

1
PCA'nın daima koordinat eksenlerini döndürdüğü göz önüne alındığında, "döndürülmüş" ve "döndürülmemiş" ana bileşenler nelerdir?
Anladığım kadarıyla, ana bileşenler, maksimum varyans yönleriyle hizalamak için koordinat eksenlerini döndürerek elde edilir. Yine de, "döndürülmemiş ana bileşenler" hakkında okumaya devam ediyorum ve istatistik yazılımım (SAS) bana döndürülmemiş olanların yanı sıra varimax döndürülmüş ana bileşenleri de veriyor. Burada kafam karıştı: temel bileşenleri hesapladığımızda, eksenler zaten döndürülmüş durumda; Peki neden …

3
R'de varimax döndürülmüş ana bileşenler nasıl hesaplanır?
PCA'yı 25 değişken üzerinde çalıştırdım ve kullanarak ilk 7 bilgisayarı seçtim prcomp. prc <- prcomp(pollutions, center=T, scale=T, retx=T) Daha sonra bu bileşenler üzerinde varimax rotasyonu yaptım. varimax7 <- varimax(prc$rotation[,1:7]) Ve şimdi varimax PCA döndürülmüş verileri döndürmek istiyorum (varimax nesnesinin bir parçası olmadığı için - sadece yükleme matrisi ve döndürme matrisi). …
13 r  pca  factor-rotation 


2
Bir açımlayıcı faktör analizi çözümünün döndürülmemesinin bir nedeni var mı?
Herhangi bir sebep var mıdır değil bir faktör analizi çözümü döndürmek? Ortogonal çözümleri eğik çözümlerle karşılaştıran tartışmalar bulmak kolaydır ve sanırım tüm bunları tamamen anlıyorum. Ayrıca, ders kitaplarında bulabildiklerimden, yazarlar genellikle faktör analizi tahmin yöntemlerini açıklamaktan rotasyonun nasıl çalıştığını ve bazı farklı seçeneklerin ne olduğunu açıklamaya doğru giderler. Görmediğim şey, …


3
PCA bileşenlerini döndürerek her bileşendeki varyansı eşitleyin
Veri kümesinde PCA gerçekleştirerek ve son birkaç PC'yi atarak veri kümesinin boyutsallığını ve gürültüsünü azaltmaya çalışıyorum. Bundan sonra, kalan bilgisayarlarda bazı makine öğrenme algoritmaları kullanmak istiyorum ve bu nedenle algoritmaların daha iyi çalışması için PC'lerin varyansını eşitleyerek verileri normalleştirmek istiyorum. Basit bir yol, birim değerlere olan varyansı normalleştirmektir. Ancak, ilk …

Sitemizi kullandığınızda şunları okuyup anladığınızı kabul etmiş olursunuz: Çerez Politikası ve Gizlilik Politikası.
Licensed under cc by-sa 3.0 with attribution required.