একেবারে কোনও পার্থক্য নেই।
স্ট্যান্ডার্ড পিসিএ এবং সি অ্যান্ড কে পরামর্শ দিয়েছে এবং "অ্যাসিম্পটোটিক পিসিএ" বলে কোন পার্থক্য নেই। এটির আলাদা নাম দেওয়া বেশ হাস্যকর।
এখানে পিসিএর একটি সংক্ষিপ্ত ব্যাখ্যা দেওয়া হল। যদি সারিগুলিতে নমুনাগুলি সহ কেন্দ্রের ডেটা ম্যাট্রিক্স সংরক্ষণ করা হয় , তবে পিসিএ কোভরিয়েন্স ম্যাট্রিক্স rac এবং এর উপর ডেটা প্রজেক্ট করে মূল উপাদানগুলি পেতে আইজেনভেেক্টর। সমানভাবে, কেউ গ্রাম ম্যাট্রিক্স, । এটি দেখতে খুব সহজ যে ঠিক একই আইজেনভ্যালুগুলি রয়েছে এবং এর আইজেনভেেক্টরগুলি স্কেলযুক্ত পিসি। (নমুনাগুলির সংখ্যা বৈশিষ্ট্যের সংখ্যার চেয়ে কম হলে এটি সুবিধাজনক))1X11NX⊤X1NXX⊤
আমার কাছে মনে হয় যে সিএন্ডকে পরামর্শ দিয়েছিল, মূল উপাদানগুলি গণনা করার জন্য গ্রাম ম্যাট্রিক্সের ইগেনভেেক্টরগুলি গণনা করা। ভাল, বাহ! এটি পিসিএর "সমতুল্য" নয়; এটা হল পিসিএ।
বিভ্রান্তি যোগ করার জন্য, "অ্যাসিম্পটোটিক পিসিএ" নামটি পিসিএর সাথে নয়, ফ্যাক্টর এনালাইসিসের (এফএ) সাথে সম্পর্কিত বলে মনে হয়! মূল সিএন্ডকে কাগজপত্রগুলি পে-ওয়াল এর অধীনে রয়েছে, সুতরাং গুগল বুকসে উপলব্ধ সায়, ফিনান্সিয়াল টাইম সিরিজের বিশ্লেষণের একটি উদ্ধৃতি এখানে রয়েছে :
কনর আর Korajczyk (1988) দেখিয়েছেন যে যেমন [বৈশিষ্ট্যগুলি সংখ্যা] eigenvalue-eigenvector [গ্রাম ম্যাট্রিক্স] এর বিশ্লেষণ ঐতিহ্যগত পরিসংখ্যানগত ফ্যাক্টর বিশ্লেষণ সমতুল্য।→ ∞k→∞
এর প্রকৃত অর্থ যা হ'ল যখন , পিসিএ এফএর মতো একই সমাধান দেয়। এই পিসিএ এফএ সম্পর্কে একটি সহজ-থেকে-বুঝতে সত্য, এবং এটা হয়েছে কিছুই যাই হোক না কেন ক & কে প্রস্তাব সঙ্গে কাজ করতে। আমি এটি নিম্নলিখিত থ্রেডে আলোচনা করেছি:k→∞
সুতরাং নীচের অংশটি হ'ল: সিঅ্যান্ডকে স্ট্যান্ডার্ড পিসিএর জন্য "অ্যাসিম্পটোটিক পিসিএ" শব্দটি মুদ্রণের সিদ্ধান্ত নিয়েছে (যাকে "অ্যাসিপটোটিক এফএ "ও বলা যেতে পারে)। আমি এই শব্দটি ব্যবহার না করার জন্য যতদূর যেতে চাই would