419172_it-IT

liliconcom

Scala comune PCA

Ciao comunità JMP

C'è un modo per eseguire PCA utilizzando una scala comune nel modo in cui è possibile farlo con il cluster K-means?

Chiedo perché il cluster K-means in scala comune è molto meglio per i miei dati, ma voglio rimuovere i dati di clustering e mostrare solo il biplot PCA con gli assi

Migliore,

AnalisiGraficaRe: scala comune PCA

Potrei non capire la domanda, ma PCA centra e ridimensiona automaticamente tutte le variabili quando si esegue la PCA sulle correlazioni. Quindi, tutte le variabili sono sulla stessa scala.

Re: scala comune PCA

Salve, il ridimensionamento sulla PCA è lo stesso del K-significa quando è selezionata l'opzione "colonne ridimensionate individualmente"

Ma non riesco a trovare un modo per eseguire il ridimensionamento comune con PCA come può fare Kmeans quando l'opzione "colonne ridimensionate individualmente" non è selezionata

Il motivo per cui devo farlo è perché il biplot K-means non include la varianza spiegata dagli assi. Se qualcuno sa come ottenere il grafico K-means per visualizzare quel valore lo apprezzerei!

Re: scala comune PCA

Dalla Guida di JMP su K-Means:

Colonne ridimensionate individualmente

Ridimensiona ogni colonna indipendentemente dalle altre colonne. Utilizzare quando le variabili non condividono una scala di misurazione comune e non si desidera che una variabile domini il processo di raggruppamento. Ad esempio, una variabile potrebbe avere valori compresi tra 0 e 1000 e un'altra variabile potrebbe avere valori compresi tra 0 e 10. In questa situazione, è possibile utilizzare l'opzione in modo che il processo di clustering non sia dominato dalla prima variabile.

 

Se NON le ridimensioni individualmente, non stai ridimensionando le variabili.

 

Se vuoi riprodurlo in Componenti principali, scegli i componenti principali Su non scalato (disponibile dal menu a comparsa rosso da Componenti principali). Tuttavia, tieni presente che tutte le tue variabili dovrebbero essere su una scala simile affinché questi risultati abbiano un senso.

Re: Bilancia comune PCA

Per aggiungere a @Dan_Obermiller commento, credo che K Means centra le colonne semplicemente non le ridimensiona quando si utilizza quell'opzione, quindi per replicare l'analisi con PCA si desidera prima centrare le colonne e quindi eseguire un PCA non ridimensionato.Se esegui lo script sotto, i grafici del punteggio bivariato dovrebbero corrispondere.

 

Names default to here(1);

dt = Open( "$Sample_data/Lipid Data.jmp" );

//Center columns
dt << New Column("Age Centered", Numeric, "Continuous", Format("Best", 10), Formula(:Age - Col Mean(:Age)));
dt << New Column("Weight Centered", Numeric, "Continuous", Format("Best", 10), Formula(:Weight - Col Mean(:Weight)));
dt << New Column("Cholesterol Centered", Numeric, "Continuous", Format("Best", 10), Formula(:Cholesterol - Col Mean(:Cholesterol)));
dt << New Column("Triglycerides Centered", Numeric, "Continuous", Format("Best", 10), Formula(:Triglycerides - Col Mean(:Triglycerides)));

//Window with both analyses:
New Window( "Compare",
 H List Box(
  //K Means common scale:
  dt << K Means Cluster(
   Y( :Age, :Weight, :Cholesterol, :Triglycerides ),
   Columns Scaled Individually( 0 ),
   {Single Step( 0 ), Number of Clusters( 3 ), K Means Cluster,
   Go( Show Biplot Rays( [0, 0, 1] ), Biplot( 1 ) )}
  ),
  //PCA unscaled using centered columns
  dt << Principal Components(
   Y( :Age Centered, :Weight Centered, :Cholesterol Centered, :Triglycerides Centered ),
   Estimation Method( "Default" ),
   "on Unscaled"
  )
 )
);