37905_de-DE

liliconcom

Frage zu PCA

Hallo,

 

Ich frage mich, wie ich die kontinuierlichen Variablen für den PCA-Prozess bestimmen und bestimmen kann.

Ich analysiere den Hausverkaufspreis mit etwa 80 Variablen, und es gibt zu viele kontinuierliche Variablen mit großer Wut. Daher möchte ich die Menge der numerischen Variablen für das prägnante Modell reduzieren, aber ich weiß nicht, welche Variablen ich für die PCA anwenden sollte.

Bitte helfen Sie mir, das herauszufinden. Die Datei ist unten angehängt.

 

Vielen Dank.

 

 

Re: Frage zu PCA

Die Hauptkomponentenanalyse wird nicht als Modellierungsmethode, sondern als explorative Datenanalysemethode mit dem Ziel der Variablenreduzierung betrachtet. PCA untersucht verschiedene Aspekte von Korrelationsstrukturen, die innerhalb einer Variablengruppe existieren. Wenn die Variablenidentifikation für Vorhersagemodelle das Hauptziel ist, sollten Sie in der JMP- oder JMP Pro Fit Model-Plattform beginnen, wo Sie arbeiten möchten. Es gibt mehrere Modellierungspersönlichkeiten, die von guten altmodischen Kleinsten Quadraten (in JMP als Standard Least Squares bezeichnet) bis hin zu schrittweisen, allgemeinen linearen Modellen, um drei zu nennen, unterstützt werden. Die Partitionsplattform bietet eine alternative Modellierungsmethode, die auch zur Variablenidentifikation nützlich sein kann. Wenn Sie JMP Pro ausführen, werden die bestraften Regressionsmethoden der Generalized Regression-Plattform speziell für die prädiktive Modellierung entwickelt, bei der die Identifikation von Variablen ein vorrangiges Ziel ist. Darüber hinaus verfügen Sie mit JMP Pro über alle Arten flexibler Konstrukte zur Cross-Validierung von Modellen. Die Plattformen JMP Pro Model Comparison und Formula Depot eignen sich hervorragend zum Vergleichen der Leistung mehrerer Modelle und zum Exportieren des Modells in ein alternatives Codierungsformat wie SQL, C oder SAS.

Re: Frage zu PCADanke für die Antwort.
Ich möchte zuerst verstehen, was die wichtigen Variablen sind, und dann ausführen
Regression mit diesen Variablen, um den zukünftigen Verkaufspreis für Häuser vorherzusagen. Ebenfalls,
Ich möchte die Regression mit allen Variablen ausführen und dann die vergleichen
Ergebnis von Regressionen, um den besten Modus zu erhalten, der mit
Der kleinste Fehler am Ende.
Re: Frage zu PCADas ist ein interessanter Datensatz. Sie haben viele kategoriale Deskriptoren, von denen einige als kontinuierlich betrachtet werden können. Zum Beispiel kann der Standort unter Verwendung von Längen- und Breitengrad angegeben werden.

Ist PCA die Technik, die Sie benötigen? Die einzelnen Verteilungen der Zahlen können das Ergebnis der PCA-Analyse stark beeinflussen.

Versuchen Sie zukünftige Hauspreise vorherzusagen oder die wichtigen Variablen zu verstehen? Eine einfache Partitionsanalyse liefert ähnliche Ergebnisse wie die allgemeine Regression. 90% der Preisschwankungen lassen sich mit 4 Variablen beschreiben, von denen alle numerisch sind, aber nur zwei von ihnen kontinuierlich sind.