- Welche der folgenden Informationen ist für die Hauptkomponentenanalyse PCA korrekt?
- Ist die Hauptkomponentenanalyse effektiv?
- Wie spreche ich über meine PCA -Ergebnisse??
- Wie interpretieren Sie die PCA -Hauptkomponentenanalyse?
Welche der folgenden Informationen ist für die Hauptkomponentenanalyse PCA korrekt?
(12) [4 Punkte] Welche der folgenden Aussagen trifft auf die Hauptkomponentenanalyse (PCA) zu? A: Die Hauptkomponenten sind Eigenvektoren der zentrierten Datenmatrix.
Ist die Hauptkomponentenanalyse effektiv?
PCA gibt die bestmögliche Darstellung eines p-dimensionalen Datensatzes in Q-Dimensionen (q<p) im Sinne der Maximierung der Varianz der Q -Dimensionen. Ein Nachteil ist jedoch, dass die neuen Variablen, die sie definiert, normalerweise lineare Funktionen aller P -Originalvariablen sind.
Wie spreche ich über meine PCA -Ergebnisse??
Für eine PCA können Sie mit einem Absatz über die Erklärung der Varianz und des Geröllplots beginnen, gefolgt von einem Absatz auf den Ladungen für PC1, einem Absatz für Ladungen auf PC2 usw. Auf diese würden dann Absätze zu Beispielwerten für jeden der PCs mit einem Absatz für jeden PC gefolgt.
Wie interpretieren Sie die PCA -Hauptkomponentenanalyse?
Die Interpretation der Hauptkomponenten basiert auf der Feststellung, welche Variablen am stärksten mit jeder Komponente korreliert sind, i.e., Welche dieser Zahlen sind groß, die am weitesten in beide Richtungen von Null. Welche Zahlen, die wir als groß oder klein betrachten, ist natürlich eine subjektive Entscheidung.