প্রশ্ন ট্যাগ «pca»

আপনি এটি পুনরুত্পাদন করতে ডেকাথলন ডেটাসেট {FactoMineR use ব্যবহার করতে পারেন। প্রশ্নটি হল যে কেন গণিত ইজেনভ্যালুগুলি কোভারিয়েন্স ম্যাট্রিক্সের থেকে পৃথক হয়। এখানে ইউজভ্যালুগুলি ব্যবহার করে princomp: > library(FactoMineR);data(decathlon) > pr <- princomp(decathlon[1:10], cor=F) > pr$sd^2 Comp.1 Comp.2 Comp.3 Comp.4 Comp.5 Comp.6 1.348073e+02 2.293556e+01 9.747263e+00 1.117215e+00 3.477705e-01 1.326819e-01 Comp.7 Comp.8 …

22 r  pca 

আমি বুঝতে পারি যে ক্রস বিভাগীয় ডেটার জন্য মূলত অধ্যক্ষ উপাদান উপাদান বিশ্লেষণ (পিসিএ) প্রয়োগ করা যেতে পারে। সময় ধারাবাহিক পরিবর্তনশীল হিসাবে বছর নির্দিষ্ট করে এবং সাধারণত পিসিএ চালিয়ে পিসিএকে কার্যকরভাবে টাইম সিরিজের ডেটার জন্য ব্যবহার করা যেতে পারে? আমি খুঁজে পেয়েছি যে গতিশীল পিসিএ প্যানেল ডেটার জন্য কাজ করে …

22 time-series  pca 

অতিরিক্ত বাধা নিয়ে রিজ রিগ্রেশন বিবেচনা করুন যা ; এর বর্গাকার ইউনিটের সমষ্টি (সমানভাবে, ইউনিটের বৈকল্পিক) প্রয়োজন; প্রয়োজনে, কেউ ধরে নিতে পারেন যে এর সাথে বর্গক্ষেত্রের একক রয়েছে:y^y^\hat{\mathbf y}yy\mathbf y β^∗λ=argmin{∥y−Xβ∥2+λ∥β∥2}s.t.∥Xβ∥2=1.β^λ∗=arg⁡min{‖y−Xβ‖2+λ‖β‖2}s.t.‖Xβ‖2=1.\hat{\boldsymbol\beta}_\lambda^* = \arg\min\Big\{\|\mathbf y - \mathbf X \boldsymbol \beta\|^2+\lambda\|\boldsymbol\beta\|^2\Big\} \:\:\text{s.t.}\:\: \|\mathbf X \boldsymbol\beta\|^2=1. β^∗λβ^λ∗\hat{\boldsymbol\beta}_\lambda^* যখন \ ল্যাম্বদা \ থেকে \ …

21 pca  regularization  ridge-regression  partial-least-squares  constrained-regression 

আমি এমন একটি দৃশ্যের মুখোমুখি হয়েছি যেখানে আমার 10 জনের জন্য 10 সংকেত / ব্যক্তি রয়েছে (সুতরাং 100 নমুনা) যাতে 14000 ডেটা পয়েন্ট (মাত্রা) থাকে যা আমার একটি শ্রেণিবদ্ধের কাছে যেতে হবে। আমি এই ডেটার মাত্রিকতা হ্রাস করতে চাই এবং পিসিএ মনে হয় এটি করার উপায়। যাইহোক, আমি কেবলমাত্র পিসিএর …

21 pca  dimensionality-reduction  svd 

আমি এলোমেলো উপাত্তের এসভিডি ফলাফলের একটি খুব অদ্ভুত আচরণ পর্যবেক্ষণ করি, যা আমি মাতলাব এবং আর উভয় ক্ষেত্রেই পুনরুত্পাদন করতে পারি It এটি ল্যাপাক লাইব্রেরিতে কিছু সংখ্যক ইস্যুর মতো দেখায়; তাই কি? আমি শূন্য গড় এবং পরিচয় সমবায় সহ কে = 2 মাত্রিক গাউসিয়ান থেকে n=1000n=1000n=1000 নমুনা আঁক : এক্স …

21 pca  svd  linear-algebra  numerics 

কার্যকরী মূল উপাদান বিশ্লেষণ (এফপিসিএ) এমন একটি জিনিস যা আমি হোঁচট খেয়েছি এবং কখনই বুঝতে পারি নি। এটা সব সম্পর্কে কি? শ্যাং, ২০১১ দ্বারা "কার্যকরী প্রধান উপাদান বিশ্লেষণের সমীক্ষা" দেখুন এবং আমি উদ্ধৃত করছি: পিসিএ "মাত্রিকতার অভিশাপ" (বেলম্যান 1961) এর কারণে কার্যকরী তথ্য বিশ্লেষণে গুরুতর অসুবিধায় পড়েছে। "মাত্রিকতার অভিশাপ" উচ্চ …

21 time-series  pca  dimensionality-reduction 

আমি কি কিছু ভুল বুঝছি? এটি আমার কোড Sklearn ব্যবহার import numpy as np import matplotlib.pyplot as plt from mpl_toolkits.mplot3d import Axes3D from sklearn import decomposition from sklearn import datasets from sklearn.preprocessing import StandardScaler pca = decomposition.PCA(n_components=3) x = np.array([ [0.387,4878, 5.42], [0.723,12104,5.25], [1,12756,5.52], [1.524,6787,3.94], ]) pca.fit_transform(x) আউটপুট: array([[ -4.25324997e+03, …

21 pca  python  scikit-learn 

প্রধান উপাদান বিশ্লেষণ (পিসিএ) করার পরে, আমি পিসিএ স্পেসে একটি নতুন ভেক্টর প্রজেক্ট করতে চাই (অর্থাত পিসিএ স্থানাঙ্ক সিস্টেমে এর স্থানাঙ্কগুলি সন্ধান করুন)। আমি আর ভাষা ব্যবহার করে পিসিএ গণনা করেছি prcomp। এখন আমার পিসিএ রোটেশন ম্যাট্রিক্স দ্বারা আমার ভেক্টরকে গুণ করতে সক্ষম হওয়া উচিত। এই ম্যাট্রিক্সের মূল উপাদানগুলি কি …

21 r  pca  r  variance  heteroscedasticity  misspecification  distributions  time-series  data-visualization  modeling  histogram  kolmogorov-smirnov  negative-binomial  likelihood-ratio  econometrics  panel-data  categorical-data  scales  survey  distributions  pdf  histogram  correlation  algorithms  r  gpu  parallel-computing  approximation  mean  median  references  sample-size  normality-assumption  central-limit-theorem  rule-of-thumb  confidence-interval  estimation  mixed-model  psychometrics  random-effects-model  hypothesis-testing  sample-size  dataset  large-data  regression  standard-deviation  variance  approximation  hypothesis-testing  variance  central-limit-theorem  kernel-trick  kernel-smoothing  error  sampling  hypothesis-testing  normality-assumption  philosophical  confidence-interval  modeling  model-selection  experiment-design  hypothesis-testing  statistical-significance  power  asymptotics  information-retrieval  anova  multiple-comparisons  ancova  classification  clustering  factor-analysis  psychometrics  r  sampling  expectation-maximization  markov-process  r  data-visualization  correlation  regression  statistical-significance  degrees-of-freedom  experiment-design  r  regression  curve-fitting  change-point  loess  machine-learning  classification  self-study  monte-carlo  markov-process  references  mathematical-statistics  data-visualization  python  cart  boosting  regression  classification  robust  cart  survey  binomial  psychometrics  likert  psychology  asymptotics  multinomial 

বহুমাত্রিক তথ্য বিশ্লেষণের ডেটা বিশ্লেষণের জন্য বাস্তুসংস্থার পরিসংখ্যানগুলির অনেক কৌশল রয়েছে। এগুলিকে বলা হয় 'অর্ডিনেশন' কৌশল। অনেকগুলি একই বা ঘনিষ্ঠভাবে পরিসংখ্যানগুলির অন্যত্র সাধারণ কৌশলগুলির সাথে সম্পর্কিত। সম্ভবত প্রোটোটাইপিকাল উদাহরণটি হবে মূল উপাদানগুলির বিশ্লেষণ (পিসিএ)। পরিবেশবিদরা 'গ্রেডিয়েন্টস' অন্বেষণ করতে পিসিএ এবং সম্পর্কিত কৌশলগুলি ব্যবহার করতে পারেন (গ্রেডিয়েন্ট কী তা আমি পুরোপুরি …

20 pca  eda  ecology  correspondence-analysis 

আমি জানি যে কীভাবে পিসিএ এবং এসভিডি গণিত হিসাবে গণনা করতে হয় এবং আমি জানি যে উভয়ই লিনিয়ার লেস্ট স্কোয়ার্স রিগ্রেশন-এ প্রয়োগ করা যেতে পারে। এসভিডি গাণিতিকভাবে প্রধান সুবিধাটি মনে হয় এটি নন-স্কোয়ার ম্যাট্রিকগুলিতে প্রয়োগ করা যেতে পারে। উভয়ই ম্যাট্রিক্সের পচনকে কেন্দ্র করে । উল্লিখিত এসভিডি সুবিধা ব্যতীত, পিসিএর উপরে …

20 pca  least-squares  svd 

আমার উপলব্ধি অনুসারে, পিসিএ-তে পারস্পরিক সম্পর্কের ভিত্তিতে আমরা ফ্যাক্টর পাই (এই উদাহরণে মূল উপাদান) লোডিংগুলি যা ভেরিয়েবল এবং ফ্যাক্টরের মধ্যে পারস্পরিক সম্পর্ক ছাড়া কিছুই নয়। এখন যখন আমাকে এসপিএসে ফ্যাক্টর স্কোর উত্পন্ন করার দরকার হয় , আমি সরাসরি প্রতিটি ফ্যাক্টরের জন্য প্রতিটি উত্তরদাতার ফ্যাক্টর স্কোর পেতে পারি। আমি আরও লক্ষ্য …

20 spss  pca  factor-analysis 

আমার পিসিএ সম্পর্কে কয়েকটি দ্রুত প্রশ্ন রয়েছে: পিসিএ কি ধরে নিয়েছে যে ডেটাসেট গাউসিয়ান? আমি যখন অন্তর্নিহিত অ-রৈখিক ডেটাতে পিসিএ প্রয়োগ করি তখন কী হয়? একটি ডেটাসেট দেওয়া, প্রক্রিয়াটি প্রথমে গড়-স্বাভাবিক হওয়া, ভেরিয়েন্সটি 1 এ সেট করা, একটি এসভিডি নেওয়া, র‌্যাঙ্ক হ্রাস করা এবং অবশেষে ডেটাসেটকে নতুন হ্রাস-র‌্যাঙ্কের জায়গাতে মানচিত্র …

20 pca  svd 

আমার কাছে 28 টি বিভিন্ন মুদ্রার জন্য 10 বছরের দৈনিক রিটার্নের ডেটা রয়েছে। আমি প্রথম প্রধান উপাদানটি বের করতে চাই, তবে পুরো 10 বছরে পিসিএ পরিচালনা করার পরিবর্তে, আমি 2 বছরের উইন্ডো রোলপ্লে করতে চাই, কারণ মুদ্রার আচরণগুলি বিকশিত হয় এবং তাই আমি এটি প্রতিফলিত করতে চাই। তবে আমার একটি …

20 r  pca 

যথার্থতা হিসাবে সংজ্ঞায়িত করা হয়: p = true positives / (true positives + false positives) এটি সঠিক যে, 0 true positivesএবং false positivesকাছে যাওয়ার সাথে সাথে নির্ভুলতা 1 এ পৌঁছেছে? প্রত্যাহার জন্য একই প্রশ্ন: r = true positives / (true positives + false negatives) আমি বর্তমানে একটি পরিসংখ্যানগত পরীক্ষা বাস্তবায়ন …

20 precision-recall  data-visualization  logarithm  references  r  networks  data-visualization  standard-deviation  probability  binomial  negative-binomial  r  categorical-data  aggregation  plyr  survival  python  regression  r  t-test  bayesian  logistic  data-transformation  confidence-interval  t-test  interpretation  distributions  data-visualization  pca  genetics  r  finance  maximum  probability  standard-deviation  probability  r  information-theory  references  computational-statistics  computing  references  engineering-statistics  t-test  hypothesis-testing  independence  definition  r  censoring  negative-binomial  poisson-distribution  variance  mixed-model  correlation  intraclass-correlation  aggregation  interpretation  effect-size  hypothesis-testing  goodness-of-fit  normality-assumption  small-sample  distributions  regression  normality-assumption  t-test  anova  confidence-interval  z-statistic  finance  hypothesis-testing  mean  model-selection  information-geometry  bayesian  frequentist  terminology  type-i-and-ii-errors  cross-validation  smoothing  splines  data-transformation  normality-assumption  variance-stabilizing  r  spss  stata  python  correlation  logistic  logit  link-function  regression  predictor  pca  factor-analysis  r  bayesian  maximum-likelihood  mcmc  conditional-probability  statistical-significance  chi-squared  proportion  estimation  error  shrinkage  application  steins-phenomenon 

এই নিবন্ধে , লেখক রৈখিক বৈষম্যমূলক বিশ্লেষণকে (এলডিএ) প্রধান উপাদান বিশ্লেষণের (পিসিএ) সাথে সংযুক্ত করেছেন। আমার সীমিত জ্ঞানের সাথে, আমি কীভাবে এলডিএ পিসিএর সাথে কিছুটা মিল হতে পারে তা অনুসরণ করতে পারছি না। আমি সবসময়ই ভেবে এসেছি যে এলডিএ হ'ল লজিস্টিক রিগ্রেশনের অনুরূপ শ্রেণিবদ্ধকরণ অ্যালগরিদমের একটি রূপ। আমি কীভাবে এলডিএ …

20 classification  pca  dimensionality-reduction  discriminant-analysis  canonical-correlation