37905_it-IT

liliconcom

Domanda su PCA

Ciao,

 

Mi chiedo come decidere e determinare le variabili continue per il processo PCA.

Sto analizzando il prezzo di vendita delle case con circa 80 variabili, e ci sono troppe variabili continue con grande rabbia. Quindi voglio ridurre l'insieme di variabili numeriche per il modello conciso, ma non so quali variabili dovrei applicare per PCA.

Per favore aiutami a capire questo. Il file è allegato qui sotto.

 

Grazie.

 

 

Ri: Domanda su PCA

Principal Components Analysis non è considerato un metodo di modellazione, ma un metodo di analisi dei dati esplorativo con un obiettivo di riduzione variabile. PCA esamina vari aspetti delle strutture di correlazione esistenti all'interno di un gruppo di variabili. Se l'identificazione delle variabili per i modelli predittivi è l'obiettivo principale, iniziare dalla piattaforma JMP o JMP Pro Fit Model è dove si desidera lavorare. Ci sono più personalità di modellazione supportate da buoni minimi quadrati di vecchio stile (chiamate Minimi quadrati standard in JMP) a modelli lineari generali, graduali, per nominarne tre. La piattaforma di partizione fornisce un metodo di modellazione alternativo che può essere utile anche per l'identificazione variabile. Se si esegue JMP Pro, i regimi di regressione penalizzata della piattaforma di regressione generalizzata sono fatti su misura per la modellazione predittiva in cui l'identificazione variabile è un obiettivo primario. Inoltre, in JMP Pro sono disponibili tutti i tipi di costrutti di convalida incrociati di modelli flessibili. Infine, le piattaforme JMP Pro Model Comparison e Formula Depot sono ideali per confrontare le prestazioni di più modelli e, se necessario, esportare il modello in un formato di codifica alternativo come SQL, C o SAS.

Ri: Domanda su PCAGrazie per la risposta.
Voglio prima capire quali sono le variabili importanti e poi eseguirle
regressione con quelle variabili per prevedere il prezzo futuro delle vendite di case. Anche,
Voglio eseguire la regressione con tutte le variabili e quindi confrontare il
risultato di regressioni per ottenere la migliore modalità che dovrebbe essere più semplice
il minimo errore alla fine.
Ri: Domanda su PCAQuesto è un set di dati interessante. Hai molti descrittori categoriali alcuni dei quali potrebbero essere considerati continui. Ad esempio, la posizione potrebbe essere data usando latitudine e longitudine.

PCA è la tecnica che ti serve? Le singole distribuzioni dei numeri possono influenzare pesantemente l'esito dell'analisi PCA.

Stai cercando di prevedere i futuri prezzi delle case o capire quali sono le variabili importanti? Una semplice analisi della partizione dà risultati simili alla regressione generalizzata. Il 90% della variabilità dei prezzi può essere descritto utilizzando 4 variabili, tutte numeriche ma solo due sono continue.