একটি গবেষণাপত্রে “মূল উপাদানগুলির সংখ্যা নির্ধারণের জন্য মন্টে কার্লো সিমুলেশন” উল্লেখ করা হয়েছে; এটা কিভাবে কাজ করে?


10

আমি এমআরআই তথ্য নিয়ে একটি ম্যাটল্যাব বিশ্লেষণ করছি যেখানে আমি 10304x236 আকারের ম্যাট্রিক্সে পিসিএ করেছি যেখানে 10304 ভক্সেলের সংখ্যা (তাদেরকে পিক্সেল হিসাবে মনে করি) এবং 236 সময়পয়েন্টের সংখ্যা। পিসিএ আমাকে 236 ইগেনভ্যালু এবং তাদের সম্পর্কিত সহগ প্রদান করে। এই সব ঠিক আছে। তবে কয়টি উপাদান ধরে রাখতে হবে তা ঠিক করার সময় এলে, আমি যে কাগজটি প্রতিলিপি করছি সেগুলি নিম্নলিখিতগুলি বলছে (দয়া করে এটি পুরো কাগজের একটি সংক্ষিপ্ত অংশ হিসাবে কোনও স্পষ্টকরণের প্রয়োজন কিনা তা আমাকে জানান):

তারপরে আমরা প্রতিটি স্ক্যানের উপদ্রব আরওআই ডেটা থেকে নিষ্কাশনের জন্য মূল উপাদানগুলির (পিসি) সংখ্যা নির্ধারণের জন্য মন্টি কার্লো সিমুলেশনগুলি সম্পাদন করি। এনকোডিং এবং বিশ্রামের উপদ্রব আরওআই ডেটাতে সমান র‌্যাঙ্কের সাধারণভাবে বিতরণ করা ডেটার উপর পিসিএ সম্পাদন করে প্রতিটি বিষয়ের জন্য এনকোডিং এবং বিশ্রামের ডেটা প্রত্যাশিত ইগনালিয়ুলগুলির একটি নাল বিতরণ তৈরি করা হয়েছিল। সত্যিকারের উপদ্রব আরওআই ডেটা থেকে পিসিগুলিকে একটি নির্দিষ্ট বিশ্রাম বা এনকোডিং স্ক্যানের জন্য বেছে নেওয়া হয়েছিল যদি তাদের সম্পর্কিত ইগেনভ্যালুগুলি মন্টে কার্লো সিমুলেশনগুলি থেকে ইগনালিয়ালের 99 তম আস্থা অন্তর ছাড়িয়ে যায়।

তাম্বিনী ও দাবাচি, পিএনএএস ২০১৩, পোষ্টকোডিং বিশ্রামে হিপ্পোক্যাম্পাল মাল্টিভোক্সেল নিদর্শনগুলির অধ্যবসায় স্মৃতি সম্পর্কিত

এখানে কী করতে হবে তা সম্পর্কে আমার কোনও ধারণা নেই। আমি ব্যাখ্যামূলক জড়িত বৈকল্পিকের ভিত্তিতে উপাদানগুলি বেছে নিতে অভ্যস্ত। যদিও আমার চিন্তাভাবনা এটি:

তারপরে আমরা প্রতিটি স্ক্যানের উপদ্রব আরওআই ডেটা থেকে নিষ্কাশনের জন্য মূল উপাদানগুলির (পিসি) সংখ্যা নির্ধারণের জন্য মন্টি কার্লো সিমুলেশনগুলি সম্পাদন করি।

মন্টি কার্লো সিমসটির অর্থ নীচের 1000 (বা এই জাতীয়) বার করা ঠিক আছে, তাই না?

এনকোডিং এবং বিশ্রামের উপদ্রব আরওআই ডেটাতে সমান র‌্যাঙ্কের সাধারণভাবে বিতরণ করা ডেটাতে পিসিএ সম্পাদন করে প্রত্যাশিত ইগনাল্যুগুলির একটি নাল বিতরণ উত্পন্ন হয়েছিল।

প্রথমত, আমি ধরে নিচ্ছি যে 'সমান র‌্যাঙ্ক' মূলত এর অর্থ হ'ল আমি ম্যাট্রিক্সটি একই আকারের (10304x236) আকারে তৈরি করব। 'সমান র‌্যাঙ্কের সাধারণত বিতরণ করা ডেটা' এর নিরিখে ... এর অর্থ কি আমার সাধারণ বিতরণ থেকে এলোমেলো সংখ্যার একটি 10304x236 ম্যাট্রিক্স তৈরি করা উচিত? মতলব'র 'আদর্শ' নামে একটি ফাংশন রয়েছে যা এটি করে তবে একটি মু এবং সিগমা ইনপুট প্রয়োজন requires আমি কি প্রাথমিক ডেটাসেট থেকে প্রাপ্ত একই মু এবং সিগমা ব্যবহার করব? এটি কি 'প্রত্যাশিত ইগন্যালুয়েসগুলি' বলতে বোঝা যায়, কেননা এক্সপেক্টেড ইগনালভ্যুগুলির বিতরণ কেমন হবে তা সম্পর্কে আমার কোনও ধারণা নেই।

আমার অনুমান যে আমার সমস্যা কমবেশি যে আমি জানি না কীভাবে ইগেনভ্যালুগুলির 'নাল ডিস্ট্রিবিউশন' করতে হয়।

উত্তর:


6

এই প্রশ্নের সাথে সম্পর্কিত শব্দটি হল "সমান্তরাল বিশ্লেষণ"।

সহজ কথায়, মন্টি কার্লো সিমুলেশনটি এলোমেলোভাবে সাধারণভাবে বিতরণ করা 10304x236 ম্যাট্রিক্স তৈরি করতে পারে (এটি অবশ্যই ধরে নেওয়া হয় যে আপনি বিশ্লেষণ করেছেন যে ডেটা সাধারণত বিতরণ করা হয়; যদি আপনার ডেটা আলাদাভাবে বিতরণ করা হয় তবে আপনি একটি ব্যবহার করতে চান বিভিন্ন এলোমেলো বিতরণ)। তারপরে আপনি নিজের তৈরি প্রতিটি ডেটা সেটের জন্য ইগেনুয়ালগুলি বের করে আনতে পারবেন এবং আত্মবিশ্বাসের অন্তরগুলি তৈরি করার সময় সমস্ত 1000 (বা এ জাতীয়) প্রতিলিপিগুলিতে প্রতিটি ইগেনভ্যালু গড়ে তুলবেন। তারপরে আপনি আপনার ডেটা সেট থেকে ইগেনভ্যালুগুলি আপনার সিমুলেশন থেকে গড় ইগনালিয়ুলের সাথে তুলনা করুন।

আপনার ডেটাসেটের আইগেনুয়ালগুলি মন্টি কার্লো সিমুলেশন থেকে ইগেনভ্যালুগুলির 99 তম আত্মবিশ্বাসের ব্যবধানকে ছাড়িয়ে গেছে, বিশ্লেষণটি ধরে রাখার জন্য এটি কতগুলি কারণ বলে।

উদাহরণস্বরূপ, যদি আপনার ডেটা থেকে 25 তম এগেনালুও হয় 2.10 এবং 26 তম হয় 1.97, এবং 1000 (বা এ জাতীয়) এলোমেলো ডেটা সেটগুলির 25 তম ইগনালিয়াসের 99 তম আত্মবিশ্বাসের ব্যবধানটি 2.04 এবং 26 তম হয় 2.01, এটি আপনাকে প্রস্তাব দিবে যে 25 উপাদান ধরে রাখুন।

আপনার জন্য এটি করার জন্য নির্মিত ফাংশন রয়েছে। মতলবের জন্য একটি লিঙ্কটি হ'ল:

http://www.mathworks.com/matlabcentral/fileexchange/44996-parallel-analysis--pa--to-for-determining-the-number-of-components-to-retain-from-pca/content/pa_test। মি

আমি এটি "মতলব মধ্যে সমান্তরাল বিশ্লেষণ" গুগল করে পেয়েছি।


+1 টি। এটি খুব স্পষ্ট এবং লিঙ্কটি আমাকে খুব সাহায্য করবে! আমি এলোমেলোভাবে বিতরণ করা ইগন্যালুয়েসগুলি সঠিকভাবে উত্তোলনের জন্য কোড আপ করেছিলাম তবে সঠিকভাবে আত্মবিশ্বাসের ব্যবধানগুলি ব্যবহার করছি না। আপনার প্রতিক্রিয়ার জন্য আপনাকে অনেক ধন্যবাদ।
চেইনহোমলো

রররর্য! খুশী এটা আপনার জন্য দরকারী ছিল।
ম্যাক্সওয়েলডাক্স
আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.