1回答
我对我的数据执行了PCA，我有4个主成分。然而，用主成分来解释我的结果是非常困难的。因此，我想知道我是否可以通过采用PC1中具有最高方差的变量(例如X1)和PC2中具有最高方差的变量(例如X2)，并使用结果变量y执行回归分析，以测试它们之间的关联。因此，一旦我执行PCA，我就会得到这样的结果：
浏览 20提问于2020-09-12得票数 0
1回答
在对MNIST数据应用PCA后，我确定了CNN模型和层。在拟合CNN模型(X_train_PCA，Y_train)后，我在评估阶段结束了维数问题。当我尝试将X_test重塑为10X10格式时，我得到了非常低的分数 首先，我应用了最小-最大正则化，然后将主成分分析应用于X_train。然后，我从X_train生成了验证数据。问题是，我可以用100维格式拟合数据(在应
浏览 92提问于2019-01-05得票数 0
回答已采纳
1回答
我很难理解主成分分析是如何计算分数的。如果我在一个矩阵X上执行主成分分析，通过：[coeff score] = pca(X)
那么dot(coeff(1,:) , X(1,:)) = score(1,1)应该这样做吗？
浏览 0提问于2021-04-16得票数 0
2回答
简短提问：长问题：在完成这个过程之后，我们希望在R3中可视化结果。我们可以用两种策略来解决这个问题；
策略1-对KMeans向量和主成分</e
浏览 0提问于2018-10-21得票数 1
1回答
我正在对我的dataset.These数值列中的数值列执行主成分分析，那么在对它们执行主成分分析之前，我还需要对这些列进行标准化(使用PROC标准)吗？
浏览 33提问于2019-12-10得票数 0
回答已采纳
2回答
另一个初学者的问题:我正在尝试对组合数据进行PCA。换句话说，组中的所有变量加起来都是100%。
从那以后，我在这个论坛上了解到，组合数据会给线性回归带来问题。当进行PCA时，组合数据也会带来一个独特的问题吗？
浏览 0提问于2016-06-04得票数 0
我想要建立患者/对照基因表达与年龄和病程的相关性，但首先要分析这些是否真的是影响表达的主要因素。因此，我想对可能造成影响的6个因素进行分析。有人建议我使用PCA，但我不确定这是否是正确的方法。该数据集包含12名患者和10名对照者(共22个)的transciptome (~22000个基因)，在两个样本位置(运动神经元/前角)(使样本总数为44)。6.856041 7.354628 4.261617 7.101367 8.851444 7.892859 1.9685
浏览 0提问于2019-09-19得票数 1
1回答
我想在H2O上使用主成分分析。在学习过程中，我们可以将fit应用于列车组，然后将transform应用于测试集。在这里，我试图在H2O中遵循同样的逻辑。在“常见问题解答”中，它说：
在利用h2o.prcomp建立了主成分分析模型后，利用h2o.predict对原始数据帧和主成分分析模型进行降维表示。此时，您<
浏览 1提问于2018-01-17得票数 0
回答已采纳
我正在尝试用sci-kit learn LDA分类器绘制决策边界。
我知道您可以使用transform方法转换多变量数据，将数据投影到第一个分量行(两个类的情况)。
浏览 0提问于2013-03-15得票数 2
我试着在R中做主成分分析。我相信有两种方法可以做到。一种是立即进行主成分分析，另一种方法是首先使用s=scale(M)对矩阵进行标准化，然后应用主成分分析。我注意到没有标准化的第一个pca的方
浏览 3提问于2009-11-22得票数 3
我想将主成分分析(pcomp())应用于具有NA值的数据帧。我知道应用PCA is na值是不可能的，(我仍然尝试了)我得到了错误：Error in na.fail.default(X) : missing values in object。我不想删除任何行，因为它是一个相对较小的样本大小。那么我该怎么做呢？
浏览 1提问于2020-05-11得票数 0
1回答
我有一个包含10个变量的数据集，我希望将其减少到一个“分数”。我理解主成分分析的基础知识，它使用变量的协方差矩阵来创建10个特征向量和10个特征值。通常，人们所做的是将特征向量乘以归一化数据来生成主成分，他们挑选一些任意数量的主成分，并将它们投入回归，得到拟合值。换句话说，系数乘以主成分允许将数据减少到单个变量。我的问题是，我是否需要执行
浏览 11提问于2021-02-06得票数 0
1回答
我需要构造一个索引，其中包括一个调查中的几个分类变量。为了计算每个变量的权重，我想使用一种统计方法，例如PCA。主成分分析被认为是对连续数据进行的，然而，对于分类变量CatPCA有一个修正的主成分分析。在python中有什么包可供阅读吗？
或者，如果没有，还有什么其他方法可以用分类变量来构造索引吗？
浏览 12提问于2022-04-25得票数 0
2回答
我最近读了PCA (主成分分析)，明白了如何降维。当我们只需要一个维度时，我们选择一个对应于最大特征值的特征向量，但如果需要多个维度，那么我是否应该将特征向量腐蚀到最大特征值？
浏览 2提问于2017-02-01得票数 0
我的数据集是数值和分类值的混合，结果是一个类标签，大约有400列，数据集包含缺失值。在我的脑海中有很多问题。首先是：
如何处理缺失值？我用-1替换了所有缺少的值，可以吗？？如何对此数据应用MCA因子分析？我是否应该将训练和测试结合起来，然后应用主成分分析？如何解释主成分分析的输出以获得最相关的特征?
浏览 54提问于2017-10-26得票数 0
1回答
我正在使用psych包执行降维。在分析了scree图之后，我决定使用9个最重要的PC( 15个变量中的9个)来构建一个线性模型。我的问题是，如何为我拥有的500个观察值中的每一个提取9个最重要的PC的值？有没有内置的函数，或者我必须使用加载矩阵手动计算它？
浏览 25提问于2021-07-26得票数 0
1回答
我有4个标准的正常特征，我执行PCA。然后，我使用第一个主成分(与所有组件一起)。是否有可能先发制人地说，转换后的级数的最大值和最小值是多少？我想，如果我们假设原始的标准法线特征永远不会超过+/- 5，那么最终变换级数的最大值将是PCA系数之和为5？但是，在这种情况下，主成分分析系数是否可能是1，1，1，1？或者，对于PCA系数可以有某种限制吗？
浏览 0提问于2019-01-28得票数 2
2回答
在主成分分析降维后，我想将K均值应用于聚类。在主成分分析之前，我已经用StandardScaler标准化了数据，然后我想训练Kmeans来找到簇。然而，PCA组分之间的差异不可能是相同的数量级。聚类前对PCA组件进行标准化是一个很好的实践吗？
浏览 0提问于2019-06-13得票数 2
回答已采纳
嗨，我有一个理论上的问题，来自一个运行良好的代码。
我正在对sklearn中的load_breast_cancer数据集运行主成分分析。在运行主成分分析之后，我根据前两个主成分绘制数据，我知道我可以通过原始load_breast_cancer数据集中的关键字为数据点着色，即‘’目标‘’。我特别关心的代码是当我绘
浏览 15提问于2020-06-10得票数 0
回答已采纳
1回答
我有一个2001属性的数据集和63个实例，当使用Weka进行分类时，我们可以看到J48比朴素的Bayes.but有更高的准确率。在做主成分分析之后，我们可以看到J48的准确率比第一个下降了，第一次我得到了82%，在主成分分析之后我得到了72.5%.what，这是原因吗？
浏览 1提问于2015-03-21得票数 0
云服务器
ICP备案
云直播
对象存储
实时音视频
腾讯云开发者
