«pca» etiketlenmiş sorular

Bu makalede , yazar doğrusal diskriminant analizini (LDA) temel bileşen analizine (PCA) bağlar. Sınırlı bilgimle, LDA'nın PCA'ya nasıl benzediğini takip edemiyorum. Her zaman LDA'nın lojistik regresyona benzer bir sınıflandırma algoritması olduğunu düşündüm. LDA'nın PCA'ya nasıl benzediğini anlamada bazı yardımları takdir edeceğim, yani boyutsallık azaltma tekniği nasıl.

19 classification  pca  dimensionality-reduction  discriminant-analysis  canonical-correlation 

Temel bileşen analizinin (PCA) konu (ikili) alanda nasıl çalıştığını sezgisel bir şekilde anlamaya çalışıyorum . İki değişken, 2D veri kümesi düşünün ve ve veri noktası (veri matrisi isimli ve ortalanmış olduğu varsayılmaktadır). PCA'nın olağan sunumu, noktasını dikkate almamız , kovaryans matrisini yazmamız ve özvektörlerini ve özdeğerlerini bulmamızdır; ilk PC maksimum …

19 pca  linear-algebra  intuition  geometry 

Son zamanlarda "Küme hesaplamasıyla beyin aktivitesini haritalama" başlıklı yeni bir dergi makalesinde PCA kullanımını anlamaya çalışıyorum Freeman ve ark., 2014 ( laboratuvar web sitesinde ücretsiz pdf mevcuttur ). Zaman serileri verilerinde PCA kullanır ve beynin bir haritasını oluşturmak için PCA ağırlıklarını kullanırlar. Verileri (adlı bir matris olarak saklanan test ortalama …

19 time-series  pca  state-space-models  neuroimaging  neuroscience 

Veri setimi normalleştirdim ve daha sonra açıklanmış küçük varyans oranları elde etmek için 3 bileşenli PCA çalıştırdım ([0.50, 0.1, 0.05]). Normalleştirmediğimde ancak veri setimi beyazlattığımda 3 bileşen PCA çalıştırdım, açıklanmış yüksek varyans oranlarına sahip oldum ([0.86, 0.06,0.01]). 3 bileşene kadar veri tutmak istediğim için, verileri normalleştirmemeli miyim? Anladığım kadarıyla her …

19 pca 

Aynı veri kümesinde temel bileşen analizi (PCA) ve açımlayıcı faktör analizi (EFA) yapmanın herhangi bir mantıklı olup olmadığını bilmek istiyorum. Profesyonellerin açıkça tavsiye ettiğini duydum: Analizin amacının ne olduğunu anlayın ve veri analizi için PCA veya EFA'yı seçin; Bir analizi yaptıktan sonra diğer analizi yapmaya gerek yoktur. İkisi arasındaki motivasyon …

19 pca  factor-analysis 

Web'de bir yerde sırt regresyonu ( düzenlenmesi ile) ve PCA regresyonu arasında bir bağlantı okuduğumu hatırlıyorum : hiperparametre ile düzenli regresyon kullanırken , , regresyon, En küçük özdeğerli PC değişkeni.ℓ 2 λ λ → 0ℓ2ℓ2\ell_2ℓ2ℓ2\ell_2λλ\lambdaλ→0λ→0\lambda \to 0 Bu neden doğru? Bunun optimizasyon prosedürüyle ilgisi var mı? Saf bir şekilde, bunun …

19 regression  pca  regularization  ridge-regression 

Bir veri matrisini ayrıştırmak için çekirdek SVD kullanan bir kağıda algoritma uygulamak istiyorum. Bu yüzden çekirdek yöntemleri ve çekirdek PCA vb. İle ilgili materyaller okuyorum. Ama özellikle matematiksel ayrıntılar söz konusu olduğunda benim için hala çok belirsiz ve birkaç sorum var. Neden çekirdek yöntemleri? Ya da çekirdek yöntemlerinin faydaları nelerdir? …

19 pca  svd  kernel-trick 

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 

I olduğunu varsayalım , bağımsız kaynaklar X 1 , x 2 , . . . , X n ve ben m dışbükey karışımları gözlemliyoruz : Y 1nnnX1,X2,...,XnX1,X2,...,XnX_1, X_2, ..., X_nmmmY1...Ym=a11X1+a12X2+⋯+a1nXn=am1X1+am2X2+⋯+amnXnY1=a11X1+a12X2+⋯+a1nXn...Ym=am1X1+am2X2+⋯+amnXn\begin{align} Y_1 &= a_{11}X_1 + a_{12}X_2 + \cdots + a_{1n}X_n\\ ...&\\ Y_m &= a_{m1}X_1 + a_{m2}X_2 + \cdots + a_{mn}X_n \end{align} …

18 pca  ica 

Verilerimi XX\mathbf X varyanslar bir olacak ve kovaryanslar sıfır olacak şekilde dönüştürmek istiyorum (yani verileri beyazlatmak istiyorum). Ayrıca, araçlar sıfır olmalıdır. Oraya Z standardizasyonu ve PCA-dönüşümü yaparak ulaşacağımı biliyorum, ama hangi sırayla yapmalıyım? Kombine beyazlatma dönüşümünün biçiminde olması gerektiğini eklemeliyim x↦Wx+bx↦Wx+b\mathbf{x} \mapsto W\mathbf{x} + \mathbf{b}. PCA'ya benzer şekilde hem bu …

18 pca  linear-algebra 

, tasarım matrisi X ile verinin projeksiyonunun varyansını maksimize eden vektör olduğunu varsayalım .uuuXXX Şimdi, aynı zamanda en büyük özdeğeri olan özvektör olan verinin (ilk) ana bileşeni olduğunu ifade eden materyaller gördüm .uuu Ancak, verilerin temel bileşeninin olduğunu da gördüm .XuXuX u Açıkçası, ve X u farklı şeylerdir. Burada bana …

18 pca  terminology  definition 

Bir PCA bileşeninin korunup korunmayacağına karar vermeye çalışıyorum. Örneğin burada veya burada tarif edilen ve karşılaştırılan özdeğer büyüklüğüne dayanan bir milyarlarca kriter vardır . Ancak benim başvurumda, küçük (est) öz değerin büyük (st) öz değere kıyasla küçük olacağını ve büyüklüğe dayalı kriterlerin hepsinin küçük (est) olanı reddedeceğini biliyorum. İstediğim bu …

18 pca 

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 

Ham verileri neden standart sapmasına böldüğümüze dair aşağıdaki gerekçeyi (cs229 ders notlarından) okuyordum: açıklamanın ne dediğini anlasam da, standart sapmaya bölünmenin neden böyle bir hedefe ulaşacağı net değil. Herkesin aynı "ölçekte" olması gerektiğini söylüyor. Ancak, bu tamamen açık değil standart sapmaya bölünmenin neden bunu başardığı . Varyansla bölünmenin nesi yanlış? …

17 machine-learning  pca  mathematical-statistics 

Bazı araştırmalardan sonra, gözlem ağırlıklarının / ölçüm hatalarının temel bileşenler analizine dahil edilmesinde çok az şey buluyorum. Bulduğum şey, ağırlıkları (örneğin, burada ) dahil etmek için yinelemeli yaklaşımlara dayanma eğilimindedir . Sorum şu: Bu yaklaşım neden gerekli? Ağırlıklı kovaryans matrisinin özvektörlerini neden kullanamıyoruz?

17 pca  measurement-error  weighted-data