問題タブ [principal-components]

オーディオ スペクトログラムで Python で PCA を実行したところ、次の問題に直面しました。各行が平坦化された曲の特徴で構成されるマトリックスがあります。PCA を適用した後、次元が縮小されていることは明らかです。しかし、通常のデータセットでそれらの次元データを見つけることができません。

ここで song_matrix に PCA を適用すると...

...最終的な 2 つのコンポーネントは次のとおりです: 最終的なコンポーネント - 15 の wav ファイルからの 2 つの次元 問題は、元のデータセットでこれらの 2 つのベクトルがすべての次元で見つからないことです。全部？

私は機械学習にまったく慣れておらず、次元削減法として主成分分析を紹介したばかりです。モデルからいくつかの機能を単純に削除するよりも、PCAの方が優れているのはどのような状況ですか? より低次元のデータを取得することが目的である場合、相関関係のある特徴をグループ化し、各グループから 1 つの特徴を保持しないのはなぜでしょうか?

FactoMineR を使用してデータテーブルで MCA を実行しようとしています。0/1 の数値列のみが含まれ、そのサイズは 200.000 * 20 です。

次のエラーが表示されます。

which(unlist(lapply(listModa, is.numeric))) のエラー: 'which' の引数が論理的ではありません

このエラーをどうしたらいいのか、私にはよくわかりませんでした。次に、すべての列を文字に変えようとしましたが、すべてうまくいきました。私はそれが他の誰かに役立つかもしれないと思った、そして多分誰かが私にエラーを説明できるだろう;)

乾杯

superpc パッケージを使用して、データに対して教師あり主成分分析を実行しています。以下のリンクを参考にしています

http://statweb.stanford.edu/~tibs/superpc/tutorial

データに回帰分析を使用しています。

CVPlot をプロットすると、次のプロットが得られます

私の理解によれば、3番目の分析では尤度統計比が最も高くなり、しきい値になるはずです。しかし、私は不規則なプロットを得ています。私がそれを正しく解釈したかどうか、誰かがガイドできますか。また、グラフが不規則になる理由は何ですか?

R/python を使用したパターン認識プログラムに取り組んでいます。2 つ以上の図を比較し、パターン認識に基づいて類似または重複する図を識別/認識する最良の方法は何ですか?

3 つの異なる変数のデータ セットがあり、各変数には次のように 37 のデータ ポイントがあります。

3 つの変数すべてを行列に入れます。列は変数、行は 37 のデータ ポイントです。

MATLAB で PCA 関数を使用すると、次の行列が得られます。

最初の質問: PCA 行列の各行と各列は何を表していますか。

2 番目の質問: このマトリックスを使用して、各変数を主成分に沿って 3 次元でプロットするにはどうすればよいですか。

ありがとう、私はどんな助けにも感謝します

実数値データと対称相関行列を使用して PCA を実行すると、主成分に複素数が返されます。基になるデータでランダム サンプリングを行うと、主成分が実数値の場合もあれば、複雑な場合もあることがわかります。複素数の虚数成分が丸め誤差によるものであると言っても過言ではありません。もしそうなら、それらを無視して実数値成分を使用できますか?

PCA (numpy ndarray) からの出力のサンプルを次に示します。