주요 구성 요소 점수 계산 - 도움이 필요합니다안녕하세요 팀,
PCA 점수 계산에 대한 교수의 설명 요청 중 하나입니다.
JMP 설명서 가이드에 따르면 주성분 계산은 주성분 추출을 위해 선택한 행렬에 따라 달라집니다. 계수로서의 고유 벡터.– 공분산 옵션의 경우 i번째 주성분은 i번째 고유 벡터의 항목을 계수로 사용하는 중심 관찰의 선형 조합입니다.
– Unscaled 및 Uncentered 옵션의 경우 i번째 주성분은 i번째 고유 벡터의 항목을 계수로 사용하는 원시 관측값의 선형 조합입니다.
교수님이 사용중이신 용해도. JMP 데이터 세트 및 저장된 One Principal Component 생성,
스크린 샷을 첨부했습니다. 그는 Eigen Vector 값을 사용하여 수동으로 Principal Component Score를 계산하는 방법을 수업에 보여주려고 합니다. Principal 구성 요소를 수식으로 저장하면 CONSTANT와 함께 수식이 표시됩니다. 그리고 공식의 계수는 고유 벡터와 일치하지 않습니다.(그는 이전에 R을 사용하다가 지금은 JMP로 이동하고 있었습니다.)
누군가 고유 벡터에서 PCA 점수를 도출하고 JMP 출력과 일치시키는 방법을 알려줄 수 있습니까? JMP는 상수와 함께 수식도 제공합니다.
이와 관련하여 도움을 주셔서 감사합니다.
감사해요
무랄리
Re: 주성분 점수 계산 - 도움이 필요합니다상관관계에 대해 PCA를 수행하면 JMP는 표준화된 변수를 사용하여 점수를 계산한 다음 식을 재정렬합니다. 그래서,
PC1=0.37441*[ 1-옥탄올 -평균(1-옥탄올)]/Std(1-옥탄올)+0.34834* [에테르 -평균(에테르)]/Std(에테르)+…..
=0.37441*[ 1-옥탄올 - 1.2665)/ 0.8219] +……
=0.45544*1-옥탄올 – 0.57695+…
상수 -1.13263은 – 0.57695와 다른 Mean/Std의 합입니다.
Re: 주성분 점수 계산 - 도움이 필요합니다안녕 무랄리,
가르칠 때 시연 목적으로 'Unscaled and Uncentered'를 사용하는 것이 아마도 그가 원하는 것일 것입니다. 고유 벡터는 변수 간의 스케일 및 중심 차이를 설명하기 위해 발생하는 변환이 없기 때문에 저장된 공식의 계수가 됩니다. 이는 변환의 가치를 소개하고 계산을 보여주기 전에 학생들에게 도움이 되는 시작입니다. @jiancao 제공.
@줄리안
Re: 주성분 점수 계산 - 도움이 필요합니다감사합니다 JiancaoRe: 주성분 점수 계산 - 도움이 필요합니다고마워 줄리안
