주성분 분석 후 사용할 변수의 수를 결정하는 방법은 무엇입니까?<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />주성분 분석 후 사용할 변수의 수를 결정하는 방법은 무엇입니까? 다음과 같은 결과가 있습니다.
어떤 매개변수를 기준으로 주성분을 선택해야 합니까?
Re: 주성분 분석 후 사용할 변수의 수를 결정하는 방법은 무엇입니까?PCA는 항상 설명된 대부분의 분산에서 최소로 주성분을 정렬합니다. 따라서 다른 방법은 항상 동일한 순서로 PC를 "유지"하기 시작합니다. 어디서 멈출지 의견이 다를 수 있습니다.
Re: 주성분 분석 후 사용할 변수의 수를 결정하는 방법은 무엇입니까?이 세 가지 다른 테스트의 결과가 충돌할 가능성이 있습니까?
Re: 주성분 분석 후 사용할 변수의 수를 결정하는 방법은 무엇입니까?Akshay, 귀하의 특정 사례에서 교수님이 권장하는 "최상의" 방법인 것 같습니다!
Re: 주성분 분석 후 사용할 변수의 수를 결정하는 방법은 무엇입니까?PCA에서 유지할 요인의 수를 결정하는 방법은 매우 많습니다. JMP 교육 과정인 다차원 데이터 분석에는 더 많은 내용이 언급되어 있습니다. 결론은 "정답"이 없다는 것입니다. 분석을 수행하는 목적, 결과로 수행할 작업, 너무 많거나 적은 요소를 유지하는 "비용"에 따라 달라집니다. 이 스레드에서 이미 언급한 제안에 동의하지 않을 수 없습니다. 주어진 상황에 적합한 결정을 내리기 위해서는 위험, 이점 및 장단점에 대한 교육이 필요합니다.
Re: 주성분 분석 후 사용할 변수의 수를 결정하는 방법은 무엇입니까?보유하고 싶은 구성 요소를 선택하는 방법과 관련하여 온라인에서 사용할 수 있는 다른 기사를 조사했습니다.
다음은 제안된 방법입니다.
1. 고유값 1 기준 :: 주성분 분석에서 성분 수 문제를 해결하기 위해 가장 일반적으로 사용되는 기준 중 하나는 Kaiser 기준이라고도 하는 고유값 1 기준입니다(Kaiser, 1960). 이 접근 방식을 사용하면 고유값이 1.00보다 큰 모든 구성 요소를 유지하고 해석합니다.
2. 스크리 테스트. Scree 테스트(Cattell, 1966)를 사용하여 각 구성 요소와 관련된 고유값을 플로팅하고 고유값이 상대적으로 큰 구성 요소와 고유값이 작은 구성 요소 사이의 "중단"을 찾습니다. 끊기 전에 나타나는 구성 요소는 의미 있는 것으로 간주되며 회전을 위해 유지됩니다. 중단 후에 나타나는 항목은 중요하지 않은 것으로 간주되어 유지되지 않습니다.
이 방법은 다음에서 언급했습니다. kevin.c.앤더슨 이 게시물의 첫 번째 답장에서.
3. 고려되는 분산의 비율, 요인 수 문제를 해결하는 기준은 데이터 세트에서 분산의 특정 비율(또는 백분율)을 설명하는 경우 구성 요소를 유지하는 것과 관련됩니다. 예를 들어 총 분산의 5% 또는 10% 이상을 차지하는 구성 요소를 유지하기로 결정할 수 있습니다. 이 비율은 간단한 공식으로 계산할 수 있습니다.
비율 = 관심 구성 요소의 고유값 / 상관 행렬의 총 고유값.
여기서 내가 혼란스러워하는 것은 모든 방법이 분산의 누적 백분율이 아니라 고유값에 초점을 맞추고 있다는 것입니다. 현재 수업에서 교수님이 백분율에 집중하라고 요청하셨습니다. 주성분 선정을 위한 최선의 방법을 말씀해 주십시오.
미리 감사드립니다!!
추신 - 위의 정보는 다음에서 찾을 수 있습니다. http://support.sas.com/publishing/pubcat/chaps/55129.pdf
Re: 주성분 분석 후 사용할 변수의 수를 결정하는 방법은 무엇입니까?겉보기에 쉬워 보이는 질문이 생각보다 결코 쉽지 않다는 데 동의합니다. Kevin은 구성 요소 측면에서 올바른 방향을 알려줍니다.PCA는 많은 수의 변수를 적은 수의 구성 요소로 줄입니다. 1(최대 2개)만 있으면 됩니다.
Kevin은 또한 진행 방법은 분석과 관련된 최종 게임이 무엇인지에 달려 있다고 지적합니다.
유지해야 할 구성 요소 수 외에도 구성 요소를 구축하는 데 필요한 요소가 몇 개인지에 대해 질문할 수 있습니다.여기에서 JMP의 용이성을 활용하고 요인 하위 집합으로 PCA를 다시 실행합니다.점수 플롯을 보고 플롯에 있는 요소의 각 "클러스터"에서 하나의 요소를 선택할 수 있습니다.JMP Pro에는 어떤 변수가 다른 변수보다 서로 더 유사한지 이해하는 데 도움이 되는 "클러스터 변수" 옵션이 있습니다.또한 최종 목표에 대한 변수의 관계와 중요성을 가장 잘 이해하기 위해 다양한 도구로 데이터를 볼 수 있습니다.모든 각도에서 데이터를 탐색할 수 있는 JMP의 장점이 여기에 있습니다. 게다가 컴퓨터에서 한 번에 얼마나 많은 JMP 창을 열 수 있는지 확인하는 것은 항상 재미있습니다!
Re: 주성분 분석 후 사용할 변수의 수를 결정하는 방법은 무엇입니까?안녕, 악샤이!
당신의 겉보기에 쉬운 질문은 그리 많지 않습니다.서로 다른 답변을 제공하는 여러 학파가 있습니다.
한 학파는 Scree Plot을 살펴보라고 말합니다.
Scree Plot은 고유값 대 PCA의 성분 수입니다.평평한 선 추세를 시작하는 첫 번째 지점 이전의 가파른 곡선 부분에 있는 구성 요소를 유지합니다.이 체지방 데이터에서 이 학파는 하나의 구성 요소를 유지한다고 제안할 수 있습니다.
Scree Plot은 종종 해석하기 쉽지 않습니다.한 학파는 유지할 구성 요소에 대한 결정을 내리기 위해 매개 변수에 대한 지식을 사용하라고 말합니다.
또 다른 학파는 "왜 그것들을 모두 유지하지 않는가?"라고 제안합니다.이 접근 방식은 a) 변수의 수가 상대적으로 적고 b) 분석적인 이유로 데이터를 사용할 때(컨트롤 차트 등과 같은 향후 관찰에 대한 계획 작업) 가장 잘 작동할 수 있습니다.
겉보기에 쉬워 보이는 질문에 다르게 대답하는 데 도움이 될 수 있는 생각의 학교가 훨씬 더 많을 것이라고 확신합니다.
