Tony Cooper, PhD, Consultor Analítico, SAS
Sam Edgemon, Consultor Técnico Principal, SAS
El análisis de componentes principales (PCA) permite una reducción variable y una comprensión de la estructura subyacente de los datos. JMP ofrece métodos de estimación para PCA como REML, ancho y disperso. Los diferentes métodos pueden utilizar diferentes matemáticas. Más importante aún, los métodos son aplicables para diferentes aplicaciones.
La motivación para esta charla fueron los datos que incluían más de 50 síntomas cada semana durante dos años. Una ruta de análisis consideró formas de resumir los datos de los síntomas (¿síndromes?) Cada columna describió el recuento de un determinado síntoma en un período de tiempo.
El autor estaba muy familiarizado con PCA en datos continuos, pero PCA requiere una matriz de covarianza para resumir datos continuos y estas medidas son recuentos. Al mismo tiempo, Text Mining era cada vez más accesible y, a menudo, consideraba los datos en una Matriz de Doc-Term:
¡Esta matriz también depende de los conteos! La matemática detrás de la reducción de la dimensión en la minería de textos es típicamente la descomposición del valor singular (SVD).
Luego, en los últimos años, JMP ha ampliado su plataforma de Componentes Principales.
Ancho y Sparse ambos implementan SVD. Hay opciones para PCA y SVD. Hay opciones para centrar y escalar. Hay modificaciones a los algotitmos para situaciones particulares. Los ejemplos demostrarán la implementación de las opciones.
.
