Pytania otagowane jako pca

Analiza głównego składnika (PCA) jest techniką liniowej redukcji wymiarów. Zmniejsza wielowymiarowy zestaw danych do mniejszego zestawu skonstruowanych zmiennych, zachowując możliwie jak najwięcej informacji (tak dużą wariancję). Te zmienne, zwane głównymi składnikami, są liniowymi kombinacjami zmiennych wejściowych.

3
O zastosowaniu skośnego obrotu po PCA
Kilka pakietów statystycznych, takich jak SAS, SPSS i R, umożliwia wykonanie pewnego rodzaju rotacji czynników po PCA. Dlaczego rotacja jest konieczna po PCA? Dlaczego miałbyś stosować obrót skośny po PCA, skoro PCA ma na celu uzyskanie wymiarów ortogonalnych?
2
Wizualizacja wielu „histogramów” (wykresy słupkowe)
Mam trudności z wyborem właściwego sposobu wizualizacji danych. Załóżmy, że mamy księgarnie, które sprzedają książki , a każda książka ma co najmniej jedną kategorię . W przypadku księgarni, jeśli policzymy wszystkie kategorie książek, uzyskamy histogram pokazujący liczbę książek należących do określonej kategorii dla tej księgarni. Chcę wyobrazić sobie zachowanie księgarni, …
Korzystając z naszej strony potwierdzasz, że przeczytałeś(-aś) i rozumiesz nasze zasady używania plików cookie i zasady ochrony prywatności.
Licensed under cc by-sa 3.0 with attribution required.