¿Cómo decidir el número de variables a usar después del análisis de componentes principales?<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />¿Cómo decidir el número de variables a usar después del análisis de componentes principales? Tengo el siguiente resultado:
¿En base a qué parámetros debo seleccionar los componentes principales?
Re: ¿cómo decidir el número de variables a utilizar después del análisis de componentes principales?Recuerde que PCA siempre ordenará los componentes principales de mayor a menor varianza explicada. Por lo tanto, los diferentes métodos siempre comenzarán a "mantener" las PC en el mismo orden. Pueden estar en desacuerdo sobre dónde detenerse.
Re: ¿cómo decidir el número de variables a utilizar después del análisis de componentes principales?¿Existe la posibilidad de que los resultados de estas tres pruebas diferentes entren en conflicto?
Re: ¿cómo decidir el número de variables a utilizar después del análisis de componentes principales?Akshay, en tu caso específico, ¡parece que la "mejor" manera es la que recomienda tu profesor!
Re: ¿cómo decidir el número de variables a utilizar después del análisis de componentes principales?Hay tantas maneras de determinar la cantidad de factores que se deben mantener en PCA. Incluso se mencionan más en el curso de capacitación de JMP: Análisis de datos multidimensionales. La conclusión es que no hay una "respuesta correcta". Dependerá del objetivo de hacer el análisis, qué se hará con los resultados, el "gasto" de mantener demasiados o muy pocos factores. No puedo estar en desacuerdo con ninguna de las sugerencias ya mencionadas en este hilo. Se necesita educación sobre los riesgos, beneficios y compensaciones para tomar una decisión que sea apropiada para la situación dada.
Re: ¿cómo decidir el número de variables a utilizar después del análisis de componentes principales?He investigado algunos de los otros artículos disponibles en línea sobre cómo elegir los componentes que queremos conservar.
A continuación se presentan las formas sugeridas: -
1. El criterio del valor propio uno :: En el análisis de componentes principales, uno de los criterios más utilizados para resolver el problema del número de componentes es el criterio del valor propio uno, también conocido como criterio de Kaiser (Kaiser, 1960). Con este enfoque, retiene e interpreta cualquier componente con un valor propio superior a 1,00
2. La prueba de pantalla. Con la prueba de pantalla (Cattell, 1966), traza los valores propios asociados con cada componente y busca una "ruptura" entre los componentes con valores propios relativamente grandes y aquellos con valores propios pequeños. Se supone que los componentes que aparecen antes de la ruptura son significativos y se retienen para la rotación; se supone que los que aparecen después de la pausa no son importantes y no se retienen.
Este método fue mencionado por kevin.c.anderson en la primera respuesta a este mensaje.
3. Proporción de varianza explicada, el criterio para resolver el problema del número de factores implica retener un componente si representa una proporción (o porcentaje) específica de varianza en el conjunto de datos. Por ejemplo, puede decidir retener cualquier componente que represente al menos el 5 % o el 10 % de la varianza total. Esta proporción se puede calcular con una fórmula simple:
Proporción = Valor propio del componente de interés / Valores propios totales de la matriz de correlación.
Lo que me confunde aquí es que todos los métodos se centran en los valores propios y no en el porcentaje acumulativo de varianza. En mi clase actual, mi profesor ha pedido centrarse en el porcentaje. Hable sobre la mejor manera de seleccionar los componentes principales.
¡¡Gracias de antemano!!
PD: la información anterior se puede encontrar en http://support.sas.com/publishing/pubcat/chaps/55129.pdf
Re: ¿cómo decidir el número de variables a utilizar después del análisis de componentes principales?Estoy de acuerdo en que la pregunta aparentemente fácil nunca es tan fácil como uno podría pensar. Kevin te indica la dirección correcta en términos de componentes.PCA reduce su gran cantidad de variables en una pequeña cantidad de componentes, parece que 1 (2 como máximo) es todo lo que necesita.
Kevin también señala que la forma de proceder depende de cuál sea el final del juego con el análisis.
Más allá de la cantidad de componentes a retener, uno podría preguntarse cuántos factores necesito para construir mis componentes.Aquí es donde utilizo la facilidad de JMP y vuelvo a ejecutar el PCA con subconjuntos de factores.Podría mirar la gráfica de puntuación y seleccionar un factor de cada "grupo" de factores en la gráfica.En JMP Pro hay una opción de "variables de clúster" que ayuda a comprender qué variables se parecen más entre sí que otras.Además, puede ver sus datos con diferentes herramientas para comprender mejor las relaciones y la importancia de las variables para su objetivo final.Aquí es donde brilla JMP, la capacidad de explorar los datos desde todos los ángulos diferentes. Y además, ¡siempre es divertido ver cuántas ventanas JMP puede tener abiertas en su máquina a la vez!
Re: ¿cómo decidir el número de variables a utilizar después del análisis de componentes principales?¡Hola, Akshay!
Tu pregunta aparentemente fácil no lo es tanto.Hay varias escuelas de pensamiento que arrojan diferentes respuestas.
Una escuela de pensamiento dice que mira el Scree Plot.
El Scree Plot es el valor propio frente al número de componentes en el PCA.Retenga los componentes en la parte de la curva empinada, antes del primer punto que inicia la tendencia de la línea plana.En estos datos de grasa corporal, esta escuela de pensamiento podría sugerir que retenga un componente.
Los Scree Plots a menudo no son tan fáciles de interpretar.Una escuela de pensamiento dice que use su conocimiento sobre los parámetros para tomar una decisión sobre los componentes a retener.
Otra escuela de pensamiento sugiere "¿Por qué no conservarlos todos?"Este enfoque podría funcionar mejor a) cuando la cantidad de variables es relativamente pequeña yb) cuando usa los datos por razones analíticas (planificación de acciones en observaciones futuras, como gráficos de control, etc.).
Estoy seguro de que hay incluso más escuelas de pensamiento que podrían ayudarlo a responder su pregunta aparentemente fácil de manera diferente.
