38319_it-IT

liliconcom

PCA

Ciao,

Ho eseguito PCA sul dataset allegato.

 

L'output è:

 

Sto cercando di aumentare il valore R-Square. In tal modo, voglio solo considerare la variabile importante.

 

Fino ad ora ho pulito i dati escludendo i valori anomali e anche rimuovendo variabili: Garage yrblt, 1stflsf, totrmsabvgrd e Garagecar in quanto hanno una correlazione molto alta.

Ricalcolato la facciata del lotto come facciata del lotto aggiornata in quanto la facciata del lotto aveva molte variabili mancanti.

 

Ora la mia analisi PCA mostra che 12 componenti (su 26) possono spiegare circa il 79,5% della variabilità. Quindi, sono corretto se salvi la formula per questi 13 componenti e quindi escludo le variabili utilizzate per ottenere questi componenti come LotFrontage su UpdateLotFrontage.

 

Quindi, fondamentalmente invece di usare 26 variabili ora userò 13 variabili. Dopo questa riduzione variabile, ho intenzione di eseguire la regressione stepwise ecc., La rete neurale ecc. E provare a vedere quale metodo fornisce il miglior valore R-Square

 

È corretto questo approccio ??

 

Grazie

Re: PCA

Generalmente la PCA è un metodo di riduzione e visualizzazione della dimensionalità per strutture di correlazione tra variabili e non è realmente inteso per un metodo di identificazione / eliminazione variabile come precursore della costruzione di modelli predittivi. Esistono diverse tecniche native per JMP e JMP Pro che possono essere utilizzate per creare direttamente modelli anche in presenza di variabili predittive correlate sospette. Tecniche quali i minimi quadrati parziali o in JMP Pro, molte delle sottotappelle nella personalità del Modello di regressione generalizzata sono fatte su misura per l'identificazione delle variabili di fronte a variabili predittive correlate.

Re: PCA

E i valori anomali? Rimuoviamo i valori anomali prima di eseguire un PCA o PCA si occupa sia dei valori anomali che delle variabili mancanti

Re: PCA

La mia variabile Y è Salesprices. È un modello predittivo.

Sto cercando di ottenere il modello più adatto con R -Square più alto.

Quindi, se non rimuovo le variabili altamente correlate e quindi eseguo il PCA. 

Come posso decidere quali componenti considerare (eseguendo una regressione: stepwise?) E cosa dovrei fare con il set iniziale di Variabili. Considero l'insieme iniziale di variabili o solo i nuovi componenti durante la costruzione di un modello?

 

Saluti,

Re: PCA

Puoi dire qualcosa in più su quali sono i tuoi obiettivi? Dato che menzioni R-Squared, immagino che tu voglia costruire un modello (possibilmente predittivo, possibilmente esplicativo o descrittivo) che rapporta almeno una risposta ('Y') ad alcune variabili indipendenti (Xs). Se è così, qual è la variabile "Y" nella tua tabella, per favore? Inoltre, se si desidera utilizzare PCA, non sono sicuro del motivo per cui si rimuovono le variabili "in quanto hanno correlazione molto elevata". La PCA si basa su tali correlazioni per ridurre la dimensionalità del problema.