- Qual das alternativas a seguir está correta para a análise de componentes principais PCA?
- É a análise de componentes principal eficaz?
- Como falo sobre os resultados do meu PCA?
- Como você interpreta a análise de componentes principais do PCA?
Qual das alternativas a seguir está correta para a análise de componentes principais PCA?
(12) [4 pts] Qual das seguintes opções é verdadeira sobre a análise de componentes principais (PCA)? R: Os principais componentes são autovetores da matriz de dados centralizados.
É a análise de componentes principal eficaz?
O PCA fornece a melhor representação possível de um conjunto de dados p-dimensional em dimensões Q (q<p) no sentido de maximizar a variação nas dimensões Q. Uma desvantagem é, no entanto, que as novas variáveis que ela define são geralmente funções lineares de todas as variáveis originais P.
Como falo sobre os resultados do meu PCA?
Para um PCA, você pode começar com um parágrafo de variância explicado e o gráfico de scree, seguido de um parágrafo nas cargas do PC1, depois um parágrafo para cargas no PC2, etc. Estes seriam então seguidos por parágrafos nas pontuações da amostra para cada um dos PCs, com um parágrafo para cada PC.
Como você interpreta a análise de componentes principais do PCA?
A interpretação dos principais componentes é baseada na descoberta de quais variáveis estão mais fortemente correlacionadas com cada componente, i.e., Qual desses números é grande em magnitude, o mais distante de zero em qualquer direção. Quais números consideramos grandes ou pequenos é obviamente uma decisão subjetiva.