Questions tagged «pca»

在今天的模式识别课程中，我的教授谈到了PCA，特征向量和特征值。 我了解它的数学原理。如果要求我查找特征值等，则可以像机器一样正确地进行操作。但是我不明白。我没有达到目的。我没有感觉到它。 我坚信以下报价： 除非您可以向祖母解释，否则您并不会真正理解。 - 艾尔伯特爱因斯坦 好吧，我无法向外行或奶奶解释这些概念。 为什么要使用PCA，特征向量和特征值？什么是需要对这些概念？ 您将如何向外行解释？

975 pca  intuition  eigenvalues  canonical-question 

通常通过协方差矩阵的特征分解来解释主成分分析（PCA）。但是，它也可以通过数据矩阵奇异值分解（SVD）来执行。它是如何工作的？这两种方法之间有什么联系？SVD和PCA之间是什么关系？XX\mathbf X 换句话说，如何使用数据矩阵的SVD进行降维？

351 pca  dimensionality-reduction  matrix  svd 

看来，我使用的许多统计软件包将这两个概念包装在一起。但是，我想知道是否存在不同的假设或数据“形式”才能正确使用一个假设。一个真实的例子将非常有用。

214 pca  factor-analysis 

在相关矩阵和协方差矩阵上执行主成分分析（PCA）之间的主要区别是什么？他们给出相同的结果吗？

153 correlation  pca  covariance  factor-analysis 

我有一个既包含连续数据又包含分类数据的数据集。我正在使用PCA进行分析，想知道是否可以将分类变量作为分析的一部分。我的理解是PCA只能应用于连续变量。那是对的吗？如果不能将其用于分类数据，则可以使用哪些替代方法进行分析？

147 categorical-data  pca  correspondence-analysis  mixed-type-data 

PCA和传统MDS有何不同？MDS与非度量MDS怎么样？有一段时间您会更喜欢一个吗？解释有何不同？

133 pca  multidimensional-scaling  pcoa 

主成分分析（PCA）可用于降维。在执行了这种降维之后，如何从少量的主成分中近似地重构原始变量/特征？ 或者，如何从数据中删除或丢弃几个主要成分？ 换句话说，如何反转PCA？ 鉴于PCA与奇异值分解（SVD）密切相关，可以提出以下相同问题：如何反转SVD？

113 pca  dimensionality-reduction  svd 

我正在阅读一篇论文，作者在进行PCA之前由于与其他变量的高度相关性而丢弃了多个变量。变量总数约为20。 这有什么好处吗？对我来说，这似乎有些负担，因为PCA应该自动处理此问题。

111 correlation  pca 

通常，用第一个主成分来解释像PCA这样的分析中的方差分数是什么意思？有人可以直观地解释这一点，但也可以就主成分分析（PCA）给出“解释方差”的精确数学定义吗？XXx 对于简单的线性回归，总是将最佳拟合线的r平方描述为所解释的方差的比例，但我也不知道该怎么做。这里的方差比例是否只是点与最佳拟合线的偏差的延伸？

90 regression  pca  linear-model  dimensionality-reduction 

我开始与使用的涉猎glmnet与LASSO回归那里我感兴趣的结果是二分。我在下面创建了一个小的模拟数据框： age <- c(4, 8, 7, 12, 6, 9, 10, 14, 7) gender <- c(1, 0, 1, 1, 1, 0, 1, 0, 0) bmi_p <- c(0.86, 0.45, 0.99, 0.84, 0.85, 0.67, 0.91, 0.29, 0.88) m_edu <- c(0, 1, 1, 2, 2, 3, 2, 0, 1) p_edu <- c(0, 2, 2, …

77 r  self-study  lasso  regression  interpretation  anova  statistical-significance  survey  conditional-probability  independence  naive-bayes  graphical-model  r  time-series  forecasting  arima  r  forecasting  exponential-smoothing  bootstrap  outliers  r  regression  poisson-distribution  zero-inflation  genetic-algorithms  machine-learning  feature-selection  cart  categorical-data  interpretation  descriptive-statistics  variance  multivariate-analysis  covariance-matrix  r  data-visualization  generalized-linear-model  binomial  proportion  pca  matlab  svd  time-series  correlation  spss  arima  chi-squared  curve-fitting  text-mining  zipf  probability  categorical-data  distance  group-differences  bhattacharyya  regression  variance  mean  data-visualization  variance  clustering  r  standard-error  association-measure  somers-d  normal-distribution  integral  numerical-integration  bayesian  clustering  python  pymc  nonparametric-bayes  machine-learning  svm  kernel-trick  hyperparameter  poisson-distribution  mean  continuous-data  univariate  missing-data  dag  python  likelihood  dirichlet-distribution  r  anova  hypothesis-testing  statistical-significance  p-value  rating  data-imputation  censoring  threshold 

在某些学科中，没有任何理由就系统地使用PCA（主要成分分析），而PCA和EFA（探索性因素分析）被视为同义词。 因此，我最近使用PCA分析了量表验证研究的结果（7点Likert量表中的21个项目，假设由3个因子组成，每个7个项目），而审阅者问我为什么选择PCA而不是EFA。我读到了这两种技术之间的差异，在您的大多数回答中，似乎EFA都优于PCA。 您是否有充分的理由说明为什么PCA会是更好的选择？它可以提供什么好处？在我看来，为什么它是一个明智的选择？

73 pca  factor-analysis  eda 

什么是主成分分数（PC分数，PCA分数）？

71 pca  definition 

典型相关分析（CCA）是与主成分分析（PCA）相关的技术。虽然使用散点图教授PCA或线性回归很容易（请参阅Google图像搜索中的几千个示例），但我还没有看到类似的直观CCA二维示例。如何从视觉上解释线性CCA的作用？

70 regression  data-visualization  pca  canonical-correlation  geometry 

我比较?prcomp并?princomp发现了有关Q模式和R模式主成分分析（PCA）的知识。但说实话–我不明白。谁能解释其中的区别，甚至可以解释何时申请？

69 r  pca 

我在读有关内核PCA（1，2，3）用高斯和多项式内核。 高斯核如何很好地分离似乎任何种类的非线性数据？请给出直观的分析，并在可能的情况下进行数学分析。 其他内核所没有的高斯内核（具有理想的）的特性是什么？我想到了神经网络，SVM和RBF网络。σσ\sigma 为什么我们不通过Cauchy PDF规范并期望得到相同的结果？

67 machine-learning  pca  svm  kernel-trick