Howtosignalprocessing
- Antara berikut yang manakah betul untuk analisis komponen utama PCA?
- Adakah analisis komponen utama berkesan?
- Bagaimana saya bercakap mengenai hasil PCA saya?
- Bagaimana anda mentafsirkan analisis komponen utama PCA?
Antara berikut yang manakah betul untuk analisis komponen utama PCA?
(12) [4 mata] Antara berikut yang manakah benar mengenai analisis komponen utama (PCA)? J: Komponen utama adalah vektor eigen dari matriks data berpusat.
Adakah analisis komponen utama berkesan?
PCA memberikan perwakilan terbaik dari dataset p-dimensi dalam dimensi q (q<p) Dalam erti memaksimumkan varians dalam dimensi q. Walau bagaimanapun, kelemahannya adalah bahawa pembolehubah baru yang biasanya ditakrifkan adalah fungsi linear dari semua pembolehubah asal.
Bagaimana saya bercakap mengenai hasil PCA saya?
Untuk PCA, anda mungkin bermula dengan perenggan mengenai varians yang dijelaskan dan plot scree, diikuti dengan perenggan pada beban untuk PC1, kemudian perenggan untuk beban pada PC2, dll. Ini kemudiannya akan diikuti dengan perenggan pada skor sampel untuk setiap PC, dengan satu perenggan untuk setiap PC.
Bagaimana anda mentafsirkan analisis komponen utama PCA?
Tafsiran komponen utama adalah berdasarkan penemuan pembolehubah yang paling dikaitkan dengan setiap komponen, i.e., yang mana angka -angka ini besar dalam magnitud, yang paling jauh dari sifar ke arah yang sama. Nombor mana yang kita anggap besar atau kecil tentu saja adalah keputusan subjektif.
