PCA sulla matrice di correlazione e covarianzaCiao,
Non sono un utente esperto quindi sii gentile con me.
Ho eseguito la PCA su alcuni dati standardizzati (con 2 variabili) in JMP14 e ho notato che i grafici dei due punteggi sono quasi speculari sull'asse PC1. Perché si riflettono in questo modo? (Inoltre, non sono riflessi perfetti. Perché?)
Modellazione statistica avanzatafinestreRe: PCA su matrice di correlazione e covarianzaLa covarianza è la grandezza fondamentale, ma l'analisi è dominata dalle misure con le scale e gli intervalli più grandi. Centrare e ridimensionare prima possono aiutare a evitare il predominio di alcune variabili. Prima hai standardizzato i dati, quindi i risultati di covarianza e correlazione saranno simili.
Re: PCA su matrice di correlazione e covarianzaLa PCA nell'analisi dei dati esplorativa viene comunemente utilizzata per ridurre la dimensionalità facendo cadere ciascun punto dati solo sui primi componenti di base per ottenere dati con una dimensionalità inferiore preservando la massima varianza dei dati. (Proprietà ortogonale)
Le coordinate ortogonali sono definite come l'insieme di coordinate dq = ( q 1, q 2, ..., qd ) dove tutte le superfici coordinate si incontrano ad angolo retto (nota: gli apici sono indici, non esponenti). La superficie delle ordinate di una data coordinata qk è la curva, la superficie o l'epitassia su cui qk è una costante.
