PCA안녕하세요,
첨부 된 데이터 세트에서 PCA를 실행했습니다.
출력은 다음과 같습니다.
R- 제곱 값을 늘리려고합니다. 그렇게함으로써, 나는 중요한 변수만을 고려하고자한다.
지금까지 이상 값을 제외하고 데이터를 정리하여 변수를 제거했습니다. Garage yrblt, 1stflsf, totrmsabvgrd 및 Garagecars는 상관 관계가 매우 높습니다.
로트 정면에는 많은 누락 변수가 있으므로 로트 정면을 업데이트 된 로트 정면으로 다시 계산했습니다.
이제 PCA 분석에 따르면 26 개 구성 요소 중 12 개 구성 요소가 약 79.5 %의 변동성을 설명 할 수 있습니다. 따라서 이러한 13 개 구성 요소의 수식을 저장 한 다음 LotFrontage와 같은 구성 요소를 가져 오는 데 사용되는 변수를 UpdateLotFrontage로 제외하면 올바른 것입니다.
이제 기본적으로 26 개의 변수를 사용하는 대신 13 개의 변수를 사용합니다. 이 변수 감소 후에는 회귀 분석을 단계적으로 실행하는 등 신경망 등을 계획하고 어떤 방법이 가장 좋은 R- 스퀘어 값을 제공하는지 알아 봅니다.
이 접근법이 맞습니까?
감사
다시 : PCA일반적으로 PCA는 변수 간의 상관 구조에 대한 차원 감소 및 시각화 방법이며 실제로 예측 모델을 구축하기위한 선행 요인으로 다양한 식별 / 제거 방법을 의도하지 않았습니다. JMP 및 JMP Pro 고유의 여러 가지 기법이 있으며 상관 관계 예측 변수가 의심스러운 경우에도 모델을 직접 작성하는 데 사용할 수 있습니다. 부분적인 최소 제곱과 같은 기법이나 JMP Pro에서 일반화 된 회귀 적합 모델의 특성에있는 많은 하위 플랫폼은 상관 된 예측 변수에 따라 변수를 식별하기 위해 맞춤 설정됩니다.
다시 : PCA특이점은? PCA를 실행하기 전에 이상 치를 제거합니까 아니면 PCA가 이상 치와 누락 된 변수 모두를 처리합니다
다시 : PCA내 Y 변수는 Salesprices입니다. 그것은 예측 모델입니다.
나는 더 높은 R-Square로 가장 잘 맞는 모델을 얻으려고 노력하고있다.
그래서, 상관 관계가 높은 변수를 제거한 다음 PCA를 실행하지 마십시오.
회귀 분석 : 단계별로 고려해야 할 구성 요소와 변수의 초기 세트를 어떻게 결정해야합니까? 모델을 만들 때 초기 변수 세트 또는 새로운 컴포넌트 만 고려합니까?
문안 인사,
다시 : PCA당신의 목표가 무엇인지 조금 더 말할 수 있습니까? R-Squared에 대해 언급 한 것을 감안할 때, 어떤 독립 변수 (X)에 적어도 하나의 응답 ( 'Y')을 관련시키는 모델 (아마도 예측 가능성, 설명 적 또는 설명적임)을 구축하고자한다고 생각합니다. 그렇다면 테이블에 'Y'변수가 있습니까? 또한 PCA를 사용하고 싶다면 변수가 '상관 관계가 매우 높기 때문에 변수를 제거하는 이유'가 확실하지 않습니다. PCA는 이러한 상관 관계를 사용하여 문제의 차원을 줄입니다.
