안녕하세요,
매개 변수 중 PCA 분석을 실행하는 동안 열 A와 열 B는 (A / 
비율을 사용하는 것이 통계적으로 정확하다고 결론 지었습니까? 또는 열 사이의 모든 수학적 관계를 포함하면 겹칠 수 있습니까?
감사
안녕 Alma1,
나는 네가 무슨 뜻인지 잘 모르겠다. 당신은 Principle Components Analysis에 열 A와 B를 포함 시켰다고 말하면서 A와 B가있는 PCA에 R = A / B라는 세 번째 변수를 포함시킬 수 있는지 궁금해하십니까?
이것이 귀하의 질문 인 경우, 귀하가 귀하의 PCA로부터 파생되기를 원하는 의미에 따라 실제로 달라 지지만, 그렇게하지 않을 것을 제안합니다. 원래 열과의 상관 관계가 높은 다른 열을 포함 시키면 원래 변수가 주 구성 요소에서 설명하는 분산에 미치는 영향을 원래대로 두 배로 늘릴 수 있습니다. (* 반드시 이중 일 필요는 없습니다 - 효과의 양은 원래 변수와 새 변수 간의 상관 관계에 따라 달라집니다. 그러나 근본적으로 원래 변수의 효과를 팽창시켜 어떤 주성분이 변수 집합의 분산의 대부분을 설명 하는지를 찾는 것입니다.)
PCA에서 "A와 B를 아는 것으로 완전히 식별되는 R = A / B와 같은 변수에 대한 우려 중 하나 인 상관 관계 변수를 포함하는 통계 효과에 대한 자세한 정보는 온라인에서"can 당신은 pca에서 상관이 높은 변수를 사용합니까? "
일반적으로, 서로의 함수 인 변수의 조합을 사용하면 (즉, A와 B를 알면 R = A / B를 완전히 알 수 있음) 통계 모델에서는 좋은 생각이 아닙니다. 트리 기반 메소드처럼 기본 통계 분산 모델에 의존하지 않는 메소드는 여전히 비율 변수와 같은 추가 변수의 포함을 처리 할 수 있습니다. 또한 PCA에 대해 유지할 상관 관계 변수의 버전을 결정하는 데 페널티가있는 회귀 (예 : LASSO)와 같은 통계적 모델링 방법을 사용할 수도 있습니다.
