Preguntas etiquetadas con pca

Estoy haciendo un análisis de Matlab en datos de MRI donde realicé PCA en una matriz de tamaño 10304x236 donde 10304 es el número de vóxeles (piense en ellos como píxeles) y 236 es el número de puntos de tiempo. El PCA me da 236 valores propios y sus coeficientes relacionados. Todo esta bien. Sin...

En PCA, ¿hace alguna diferencia si elegimos componentes principales de la matriz de covarianza inversa O si eliminamos los vectores propios de la matriz de covarianza correspondientes a valores propios grandes? Esto está relacionado con la discusión en esta publicación

Tengo dificultades para seleccionar la forma correcta de visualizar datos. Digamos que tenemos librerías que venden libros , y cada libro tiene al menos una categoría . Para una librería, si contamos todas las categorías de libros, adquirimos un histograma que muestra la cantidad de libros que cae...

Varios paquetes estadísticos, como SAS, SPSS y R, le permiten realizar algún tipo de rotación de factores después de un PCA. ¿Por qué es necesaria una rotación después de un PCA? ¿Por qué aplicaría una rotación oblicua después de un PCA dado que el objetivo del PCA es producir dimensiones...

¿Es posible utilizar el análisis de componentes principales del núcleo (kPCA) para la indexación semántica latente (LSI) de la misma manera que se utiliza PCA? Realizo LSI en R usando la prcompfunción PCA y extraigo las características con las cargas más altas de los primeros componentes. Por eso...

Tengo un conjunto de datos de eventos que ocurrieron durante el mismo período de tiempo. Cada evento tiene un tipo (hay pocos tipos diferentes, menos de diez) y una ubicación, representada como un punto 2D. Me gustaría verificar si existe alguna correlación entre los tipos de eventos, o entre el...

Realicé una descomposición SVD y una escala multidimensional de una matriz de datos de 6 dimensiones, para obtener una mejor comprensión de la estructura de los datos. Desafortunadamente, todos los valores singulares son del mismo orden, lo que implica que la dimensionalidad de los datos es de...

Pregunta: ¿Existen pautas generales con respecto a las características de los datos de entrada que se pueden usar para decidir entre la aplicación de PCA versus LSA / LSI? Breve resumen de PCA vs. LSA / LSI: El análisis de componentes principales (PCA) y el análisis semántico latente (LSA) o la...

¿Cómo usaría el resultado de un análisis de componentes principales (PCA) en un modelo lineal generalizado (GLM), suponiendo que el PCA se use para la selección de variables para el GLM? Aclaración: Quiero usar PCA para evitar el uso de variables correlacionadas en el GLM. Sin embargo, PCA me da...

Imagine que tiene un polígono definido por un conjunto de coordenadas y su centro de masa está en . Puede tratar el polígono como una distribución uniforme con un límite poligonal. (x1,y1)...(xn,yn)(x1,y1)...(xn,yn)(x_1,y_1)...(x_n,y_n)(0,0)(0,0)(0,0) Busco un método que encuentre la matriz de...

Al leer Wikipedia sobre el análisis de correlación canónica (CCA) para dos vectores aleatorios e , me preguntaba si la respuesta de componentes principales (PCA) es la misma que CCA cuando

Estoy usando un clasificador basado en redes neuronales para ejecutar una clasificación para mis datos en n-dimensional. Entonces pensé que podría ser una buena idea ejecutar la reducción de dimensiones como PCA para mis datos al principio, y luego poner los resultados de PCA en el clasificador...

Estoy analizando un conjunto de datos sobre comunidades intermareales. Los datos son porcentajes de cobertura (de algas, percebes, mejillones, etc.) en cuadrantes. Estoy acostumbrado a pensar en el análisis de correspondencia (CA) en términos de conteo de especies y el análisis de componentes...

Digamos que puedo conocer la SVD de alguna matriz XXX: X=USVTX=USVTX = USV^T Si tengo una matriz ortogonal AAA (es decir, AAA es cuadrado y tiene columnas ortonormales), entonces la SVD de XAXAXA es XA=USWTXA=USWTXA = USW^T dónde W=ATVW=ATVW = A^TV. Pero, ¿se puede decir algo sobre la SVD de...

Estoy tratando de comprender el resultado del análisis de componentes principales realizado de la siguiente manera: > head(iris) Sepal.Length Sepal.Width Petal.Length Petal.Width Species 1 5.1 3.5 1.4 0.2 setosa 2 4.9 3.0 1.4 0.2 setosa 3 4.7 3.2 1.3 0.2 setosa 4 4.6 3.1 1.5 0.2 setosa 5 5.0...

La suposición UNAA\mathbf A es una matriz de datos centrados en la media. La matriz S =cov( A )S=cov(A)\mathbf S=\text{cov}(\mathbf A) es m × mm×mm\times m , tiene metromm valores propios distintos y vectores propios s1s1\mathbf s_1 , s2s2\mathbf s_2 ... smetrosm\mathbf s_m , que son...

Leí sobre los conceptos básicos del análisis de componentes principales del tutorial1 , link1 y link2 . Tengo un conjunto de datos de 100 variables (incluida la variable de salida Y), quiero reducir las variables a 40 por PCA, y luego predecir la variable Y utilizando esas 40 variables. Problema...

Estoy tomando datos ficticios de temperatura vs Ventas de helados y los categoricé usando K Means (n ​​clusters = 2) para distinguir 2 categorías (totalmente ficticias). Ahora estoy haciendo un Análisis de componentes principales en estos datos y mi objetivo es comprender lo que veo. Sé que el...

Tengo un conjunto de datos de más de 1000 muestras de 19 variables. Mi objetivo es predecir una variable binaria basada en las otras 18 variables (binarias y continuas). Estoy bastante seguro de que 6 de las variables de predicción están asociadas con la respuesta binaria, sin embargo, me gustaría...

Estoy tratando de reducir la dimensionalidad y el ruido de un conjunto de datos al realizar PCA en el conjunto de datos y descartar las últimas PC. Después de eso, quiero usar algunos algoritmos de aprendizaje automático en las PC restantes y, por lo tanto, quiero normalizar los datos igualando la...