প্রশ্ন ট্যাগ «pca»

বিপ্লট প্রায়শই মূল উপাদান বিশ্লেষণ (এবং সম্পর্কিত কৌশলগুলির) ফলাফল প্রদর্শন করতে ব্যবহৃত হয় । এটি একই সাথে উপাদান লোডিং এবং উপাদান স্কোরগুলি দেখায় এমন একটি দ্বৈত বা ওভারলে স্ক্রেটারপ্লট । আমাকে আজমোইবা দ্বারা জানানো হয়েছিল যে তিনি আমার মন্তব্য থেকে এমন একটি প্রশ্নের উত্তর দিয়েছেন যা বাইপলট স্থানাঙ্কগুলি কীভাবে তৈরি …

38 pca  multivariate-analysis  svd  correspondence-analysis  biplot 

বিশপের "প্যাটার্ন রিকগনিশন এবং মেশিন লার্নিং" বইয়ের বিভাগ, 12.2.4 বিভাগের "ফ্যাক্টর বিশ্লেষণ" এর একটি উদ্ধৃতি এখানে: হাইলাইট অংশ অনুযায়ী, ফ্যাক্টর বিশ্লেষণ ম্যাট্রিক্স মধ্যে ভেরিয়েবল মধ্যে covariance ক্যাপচারWWW । আমি ভাবছি কিভাবে ? এখানে আমি এটি বুঝতে পারি। বলুন xxx হল পর্যবেক্ষণকৃত ppp ডাইমেনশনাল ভেরিয়েবল, WWW ফ্যাক্টর লোডিং ম্যাট্রিক্স এবং zzz …

37 pca  factor-analysis  geometry 

আমি দুটি পৃথক ফাংশন ( prcompএবং princomp) ব্যবহার করে আর দিয়ে মূল উপাদান বিশ্লেষণ (পিসিএ) সম্পাদন করেছি এবং দেখেছি যে পিসিএর স্কোরগুলি স্বাক্ষরে পৃথক। এটা কিভাবে হতে পারে? এই বিবেচনা: set.seed(999) prcomp(data.frame(1:10,rnorm(10)))$x PC1 PC2 [1,] -4.508620 -0.2567655 [2,] -3.373772 -1.1369417 [3,] -2.679669 1.0903445 [4,] -1.615837 0.7108631 [5,] -0.548879 0.3093389 [6,] …

37 r  pca  factor-analysis 

পিসিএ একটি লিনিয়ার পদ্ধতি হিসাবে বিবেচিত হয়, তবে: পি সি এ (এক্স) ≠ পি সি এ ( এক্স)1) + পি সি এ ( এক্স)2) + + ... + + পি সি একটি ( এক্সএন) ,PCA(X)≠PCA(X1)+PCA(X2)+…+PCA(Xn),\mathrm{PCA}(X)\neq \mathrm{PCA}(X_1)+\mathrm{PCA}(X_2)+\ldots+\mathrm{PCA}(X_n), যেখানে । এই বলতে চাই যে eigenvectors ডেটার উপর PCAs দ্বারা প্রাপ্ত ম্যাট্রিক্স হয় …

35 pca  linear 

আমার কাছে একটি ডেটাসেট রয়েছে যার জন্য আমার কাছে বাইনারি লেবেলের একাধিক সেট রয়েছে। প্রতিটি সেট লেবেলের জন্য, আমি একটি শ্রেণিবদ্ধ প্রশিক্ষণ দিচ্ছি, এটি ক্রস-বৈধকরণের মাধ্যমে মূল্যায়ন করে। আমি মূল উপাদান বিশ্লেষণ (পিসিএ) ব্যবহার করে মাত্রিকতা হ্রাস করতে চাই। আমার প্রশ্নটি হ'ল: পুরো ডেটাসেটের জন্য একবার পিসিএ করা এবং তারপরে …

35 machine-learning  classification  pca  cross-validation 

সাম্প্রতিক একটি কার্যভারে, আমাদের এমএনআইএসটি সংখ্যাগুলিতে পিসিএ ব্যবহার করতে মাত্রাটি হ্রাস করতে x৪ (৮ x 8 চিত্র) থেকে ২ এ নামিয়ে আনতে বলা হয়েছিল। তারপরে আমাদের গাউসীয় মিশ্রণ মডেল ব্যবহার করে অঙ্কগুলি ক্লাস্টার করতে হয়েছিল। কেবলমাত্র 2 প্রধান উপাদান ব্যবহার করে পিসিএ পৃথক ক্লাস্টার দেয় না এবং ফলস্বরূপ মডেল দরকারী …

34 classification  clustering  pca  dimensionality-reduction  tsne 

আমার প্রশ্নগুলো ফ্যাক্টর অ্যানালাইসিসের (বা পিসিএর উপাদানগুলি) উপাদানগুলির ঘূর্ণন করার পিছনে স্বজ্ঞাত কারণ কী? আমার বোধগম্যতা হল, শীর্ষস্থানীয় উপাদানগুলিতে (বা উপাদানগুলি) যদি ভেরিয়েবলগুলি প্রায় সমানভাবে লোড হয় তবে অবশ্যই উপাদানগুলির পার্থক্য করা শক্ত। সুতরাং এক্ষেত্রে উপাদানগুলির আরও ভাল পার্থক্য পেতে রোটেশনটি ব্যবহার করা যেতে পারে। এটা কি সঠিক? ঘূর্ণন করার …

33 pca  interpretation  factor-analysis  dimensionality-reduction  factor-rotation 

পটভূমি : আমি আবাসিক ইউনিট ঘনত্ব, জনসংখ্যার ঘনত্ব, সবুজ স্থানের অঞ্চল, আবাসনের মূল্য, স্কুল / স্বাস্থ্যকেন্দ্র / ডে কেয়ার সেন্টার ইত্যাদিসহ একটি শহরের আবাসিক অঞ্চলগুলিকে তাদের সামাজিক-অর্থনৈতিক বৈশিষ্ট্যের ভিত্তিতে গোষ্ঠীতে শ্রেণিবদ্ধ করতে চাই etc. আমি বুঝতে চাই আবাসিক অঞ্চলগুলিকে কয়টি পৃথক দলে ভাগ করা যায় এবং তাদের অনন্য বৈশিষ্ট্যগুলি কী। …

32 clustering  pca  k-means  dimensionality-reduction 

পারস্পরিক সম্পর্কের ক্ষেত্রে পিসিএ অ্যালগরিদম তৈরি করা যেতে পারে (ধরে নিন ডেটা ইতিমধ্যে স্বাভাবিক করা হয়েছে এবং আমরা কেবল প্রথম পিসিতে প্রক্ষেপণ বিবেচনা করছি)। উদ্দেশ্য ফাংশন হিসাবে লেখা যেতে পারে:XXX maxw(Xw)T(Xw)s.t.wTw=1.maxw(Xw)T(Xw)s.t.wTw=1. \max_w (Xw)^T(Xw)\; \: \text{s.t.} \: \:w^Tw = 1. এটি ঠিক আছে, এবং আমরা এটি সমাধান করার জন্য ল্যাঙ্গরজিয়ান গুণকগুলি …

32 pca  optimization 

প্রধান উপাদান বিশ্লেষণে (পিসিএ), উপাদানগুলি (তাদের নিজ নিজ আইজেনেক্টর থেকে) খুঁজে পেতে কোভারিয়েন্স ম্যাট্রিক্স বা পারস্পরিক সম্পর্ক ম্যাট্রিক্স চয়ন করতে পারেন। এগুলি বিভিন্ন ফলাফল দেয় (পিসি লোডিং এবং স্কোর), কারণ উভয় ম্যাট্রিকের মধ্যে ইগেনভেেক্টর সমান নয়। আমার বোধগম্যতা এটি একটি কাঁচা ডেটা ভেক্টর এক্স এর কারণে ঘটেXXX এবং এর মানককরণের …

32 pca  factor-analysis 

নিউরাল নেটওয়ার্কের সাহায্যে ডেটার ডাইমেনশনালিটি হ্রাস করতে হিন্টন এবং সালখুতদিনভ , বিজ্ঞান 2006 একটি গভীর অটোরকোডার ব্যবহারের মাধ্যমে একটি অ-লিনিয়ার পিসিএ প্রস্তাব করেছিল। আমি বেশ কয়েকবার টেনসরফ্লো দিয়ে একটি পিসিএ অটোরকোডার তৈরি এবং প্রশিক্ষণের চেষ্টা করেছি তবে আমি লিনিয়ার পিসিএর চেয়ে ভাল ফলাফল কখনই অর্জন করতে পারিনি। আমি কীভাবে একটি …

31 pca  python  deep-learning  tensorflow  autoencoders 

দুটি অ-ওভারল্যাপিং জনসংখ্যার ডেটাসেটে (রোগী এবং স্বাস্থ্যকর, মোট ) আমি ক্রমাগত নির্ভরশীল ভেরিয়েবলের জন্য ( স্বতন্ত্র ভেরিয়েবলগুলির মধ্যে) উল্লেখযোগ্য ভবিষ্যদ্বাণী খুঁজে পেতে চাই । ভবিষ্যদ্বাণীকারীদের মধ্যে সম্পর্ক রয়েছে। ভবিষ্যদ্বাণীকারীদের মধ্যে কোনও নির্ভরশীল পরিবর্তনশীল "বাস্তবতার সাথে" সম্পর্কিত (নির্ভরশীল ভেরিয়েবলের যথাসম্ভব যথাযথ ভবিষ্যদ্বাণী করার চেয়ে) এর সাথে সম্পর্কিত কিনা তা অনুসন্ধানে আমি …

31 regression  pca  feature-selection  stepwise-regression  underdetermined 

/ সম্পাদনা: আরও অনুসরণ করুন এখন আপনি irlba :: prcomp_irlba ব্যবহার করতে পারেন / সম্পাদনা: আমার নিজের পোস্টে অনুসরণ করা। irlbaএখন "কেন্দ্র" এবং "স্কেল" আর্গুমেন্ট রয়েছে, যা আপনাকে নীতি উপাদানগুলি গণনা করতে এটি ব্যবহার করতে দেয়, যেমন: pc <- M %*% irlba(M, nv=5, nu=0, center=colMeans(M), right_only=TRUE)$v আমার কাছে একটি Matrixমেশিন …

31 r  pca  dimensionality-reduction  svd  matrix-decomposition 

প্রিন্সিপাল কম্পোনেন্ট বিশ্লেষণের আউটপুটটি কীভাবে উপস্থাপন করা সম্ভব যে কেবল সংক্ষিপ্তসার সারণির চেয়ে আরও অন্তর্দৃষ্টি দেয়? Ob 1e4 বলুন, পর্যবেক্ষণের সংখ্যা বড় হলে এটি করা কি সম্ভব? এবং এটি কি আর [অন্যান্য পরিবেশের স্বাগত] তে করা সম্ভব?

31 r  data-visualization  pca  biplot 

আমার কাছে একটি বড় ডেটাসেট রয়েছে এবং আমি একটি মাত্রিক হ্রাস করতে চাই। এখন যেখানেই আমি পড়ি আমি এর জন্য পিসিএ ব্যবহার করতে পারি। যাইহোক, পিসিএ গণনা / সম্পাদন করার পরে আমি কী করব তা এখনও মনে হচ্ছে না। আর এ সহজেই কমান্ড দিয়ে সম্পন্ন হয় princomp। তবে পিসিএ গণনার …

30 r  pca