Howtosignalprocessing
- Manakah dari berikut ini yang benar untuk analisis komponen utama PCA?
- Adalah analisis komponen utama yang efektif?
- Bagaimana cara berbicara tentang hasil PCA saya?
- Bagaimana Anda menafsirkan analisis komponen utama PCA?
Manakah dari berikut ini yang benar untuk analisis komponen utama PCA?
(12) [4 poin] Manakah dari berikut ini yang benar tentang analisis komponen utama (PCA)? A: Komponen utama adalah vektor eigen dari matriks data terpusat.
Adalah analisis komponen utama yang efektif?
PCA memberikan representasi terbaik dari dataset p-dimensi dalam dimensi Q (q<p) dalam arti memaksimalkan varian dalam dimensi Q. Namun, kerugiannya adalah bahwa variabel baru yang didefinisikannya biasanya merupakan fungsi linier dari semua variabel asli p asli.
Bagaimana cara berbicara tentang hasil PCA saya?
Untuk PCA, Anda mungkin mulai dengan paragraf pada varian yang dijelaskan dan plot scree, diikuti oleh paragraf pada pemuatan untuk PC1, kemudian paragraf untuk pemuatan pada PC2, dll. Ini kemudian akan diikuti oleh paragraf pada skor sampel untuk masing -masing PC, dengan satu paragraf untuk setiap PC.
Bagaimana Anda menafsirkan analisis komponen utama PCA?
Interpretasi komponen utama didasarkan pada menemukan variabel mana yang paling berkorelasi dengan masing -masing komponen, i.e., Manakah dari angka -angka ini yang besar, yang terjauh dari nol di kedua arah. Angka mana yang kami anggap besar atau kecil tentu saja merupakan keputusan subyektif.
