主成分分析後如何確定要使用的變量數量？<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />主成分分析後如何確定要使用的變量數量？ 我有以下結果：
我應該根據什麼參數選擇主成分？
回复：主成分分析後如何決定使用的變量數量？請記住，PCA 將始終從方差解釋最多到最少對主成分進行排序。 因此，不同的方法將始終以相同的順序開始“保持”PC。 他們可能不同意在哪裡停止。
回复：主成分分析後如何決定使用的變量數量？這三個不同測試的結果是否有可能發生衝突？
回复：主成分分析後如何決定使用的變量數量？Akshay，在您的具體情況下，“最佳”方法似乎是您的教授推薦的方法！
回复：主成分分析後如何決定使用的變量數量？有很多方法可以確定要保留在 PCA 中的因子數量。 JMP培訓課程：Analyzing Multidimensional Data中更是提到了。 底線是沒有“正確答案”。 這將取決於進行分析的目的、將如何處理結果、保留太多或太少因素的“費用”。 我不能不同意該線程中已經提到的任何建議。 需要對風險、收益和權衡進行教育，以做出適合特定情況的決定。
回复：主成分分析後如何決定使用的變量數量？我研究了一些在線提供的關於如何選擇我們想要保留的組件的其他文章。
以下是建議的方法：-
1. 特徵值一準則 :: 在主成分分析中，解決成分數問題最常用的準則之一是特徵值一準則，也稱為凱撒準則（Kaiser，1960）。 使用這種方法，您可以保留並解釋特徵值大於 1.00 的任何分量
2. 碎石測試。 使用碎石測試 (Cattell, 1966)，您可以繪製與每個組件關聯的特徵值，並在具有相對較大特徵值的組件和具有較小特徵值的組件之間尋找“中斷”。 在中斷之前出現的組件被認為是有意義的，並保留以供輪換使用；那些在中斷之後出現的被認為是不重要的並且不被保留。
這個方法被提到凱文·安德森在這個帖子的第一個回復中。
3. 佔方差的比例，解決因素數問題的標準涉及保留一個組件，如果它佔數據集中特定比例（或百分比）的方差。 例如，您可能決定保留至少佔總方差 5% 或 10% 的任何組件。 這個比例可以用一個簡單的公式計算：
比例 = 相關分量的特徵值 / 相關矩陣的總特徵值。
我在這裡感到困惑的是，所有方法都關注特徵值而不是累積方差百分比。 在我目前的課程中，我的教授要求關注百分比。 請說說選擇主成分的最佳方法。
先感謝您！！
PS - 以上信息可在http://support.sas.com/publishing/pubcat/chaps/55129.pdf
回复：主成分分析後如何決定使用的變量數量？我同意這個看似簡單的問題從來沒有像人們想像的那麼簡單。 Kevin 在組件方面為您指出了正確的方向。PCA 將您的大量變量減少為少量組件，看起來您只需要 1 個（最多 2 個）。
凱文還指出，您如何進行取決於分析的最終結果。
除了要保留的組件數量之外，人們可能會問構建組件需要多少因素？這是我利用 JMP 的便利性並使用因子子集重新運行 PCA 的地方。我可能會查看得分圖並從圖中的每個“因素群”中選擇一個因素。在 JMP Pro 中，有一個“聚類變量”選項可以幫助理解哪些變量比其他變量更相似。此外，您可以使用不同的工具查看數據，以最好地了解變量對最終目標的關係和重要性。這就是 JMP 的閃光點，它能夠從所有不同角度探索數據。 此外，看看您可以在您的機器上一次打開多少個 JMP 窗口總是很有趣！
回复：主成分分析後如何決定使用的變量數量？嗨，阿克謝！
你看似簡單的問題並不是那麼多。有幾種思想流派給出了不同的答案。
一種思想流派說要看 Scree Plot。
碎石圖是 PCA 中的特徵值與分量數的關係。在開始平線趨勢的第一個點之前，保留陡峭曲線部分中的組件。在這些體脂數據中，這一學派可能建議您保留一個成分。
碎石圖通常不太容易解釋。一種思想流派認為，使用您對參數的了解來決定要保留的組件。
另一種觀點認為“為什麼不全部保留呢？”這種方法可能最有效 a) 當變量的數量相對較少時和 b) 當您出於分析原因使用數據時（計劃對未來觀察的行動，如控製圖等）。
我敢肯定還有更多的思想流派可以幫助您以不同的方式回答看似簡單的問題。
