38319_de-DE

liliconcom

PCA

Hallo,

Ich habe PCA mit dem angefügten Datensatz ausgeführt.

 

Die Ausgabe ist:

 

Ich versuche den R-Quadratwert zu erhöhen. Dabei möchte ich nur die wichtige Variable berücksichtigen.

 

Bis jetzt habe ich die Daten bereinigt, indem die Ausreißer ausgeschlossen und die Variablen entfernt wurden: Garage yrblt, 1stflsf, totrmsabvgrd & Garagecars, da sie eine sehr hohe Korrelation aufweisen.

Neuberechnung der Losfront als aktualisierte Losfront, da in der Losfront viele Variablen fehlten.

 

Meine PCA-Analyse zeigt nun, dass 12 (von 26) Komponenten rund 79,5% der Variabilität erklären können. Also, bin ich korrekt, wenn ich die Formel für diese 13 Komponenten speichere und dann die Variablen ausschließe, die verwendet werden, um diese Komponenten wie LotFrontage in UpdateLotFrontage abzurufen.

 

Grundsätzlich verwende ich jetzt anstelle von 26 Variablen 13 Variablen. Nach dieser Variablenreduktion plane ich, die Regression schrittweise usw., das neuronale Netzwerk usw. auszuführen und zu versuchen, zu sehen, welche Methode den besten R-Quadratwert ergibt

 

Ist dieser Ansatz richtig?

 

Vielen Dank

Re: PCA

Im Allgemeinen ist PCA eine Dimensionsreduzierungs- und Visualisierungsmethode für Korrelationsstrukturen zwischen Variablen und nicht wirklich für eine Methode zur Variablenidentifizierung / -eliminierung als Vorläufer für das Erstellen von Vorhersagemodellen gedacht. Es gibt viele verschiedene Techniken, die in JMP und JMP Pro integriert sind und mit deren Hilfe Modelle auch angesichts mutmaßlicher korrelierter Prädiktorvariablen direkt erstellt werden können. Techniken wie partielle kleinste Quadrate oder in JMP Pro, viele der Teilplattformen in der Persönlichkeit des Generalized Regressions-Fit-Modells sind auf die Identifizierung von Variablen angesichts korrelierter Prädiktorvariablen zugeschnitten.

Re: PCA

Was ist mit Ausreißern? Entfernen wir die Ausreißer, bevor ein PCA oder PCA ausgeführt wird, der sowohl die Ausreißer als auch die fehlenden Variablen berücksichtigt

Re: PCA

Meine Y-Variable ist Verkaufspreise. Es ist ein Vorhersagemodell.

Ich versuche, das am besten geeignete Modell mit höherem R-Quadrat zu erhalten.

Wenn ich also die stark korrelierten Variablen nicht entferne und dann die PCA ausführe. 

Wie kann ich entscheiden, welche Komponenten berücksichtigt werden sollen (durch Ausführen einer Regression: schrittweise?) Und was muss ich mit dem Satz der Initail-Variablen tun? Betrachte ich beim Erstellen eines Modells den ursprünglichen Satz von Variablen oder nur die neuen Komponenten?

 

Grüße,

Re: PCA

Können Sie etwas mehr über Ihre Ziele sagen? In Anbetracht der Tatsache, dass Sie R-Squared erwähnen, sollten Sie ein Modell erstellen (möglicherweise vorhersagend, möglicherweise erklärend oder beschreibend), das mindestens eine Antwort ('Y') auf einige unabhängige Variablen (Xs) bezieht. Wenn dies der Fall ist, welches ist die 'Y'-Variable in Ihrer Tabelle? Wenn Sie PCA verwenden möchten, bin ich außerdem nicht sicher, warum Sie Variablen entfernen würden, da sie eine sehr hohe Korrelation aufweisen. PCA ist auf solche Korrelationen angewiesen, um die Dimensionalität des Problems zu reduzieren.