Logo nl.boatexistence.com

Zijn hoofdcomponenten niet gecorreleerd?

Inhoudsopgave:

Zijn hoofdcomponenten niet gecorreleerd?
Zijn hoofdcomponenten niet gecorreleerd?

Video: Zijn hoofdcomponenten niet gecorreleerd?

Video: Zijn hoofdcomponenten niet gecorreleerd?
Video: StatQuest: PCA main ideas in only 5 minutes!!! 2024, Mei
Anonim

Hoofdcomponenten hebben verschillende nuttige eigenschappen (Rao 1964; Kshirsagar 1972): De eigenvectoren zijn orthogonaal, dus de hoofdcomponenten vertegenwoordigen gezamenlijk loodrechte richtingen door de ruimte van de oorspronkelijke variabelen. De scores van de hoofdcomponenten zijn gezamenlijk ongecorreleerd

Zijn hoofdcomponenten gecorreleerd?

Hoofdcomponentenanalyse is gebaseerd op de correlatiematrix van de betrokken variabelen, en correlaties hebben meestal een grote steekproefomvang nodig voordat ze zich stabiliseren.

Zijn PCA-componenten onafhankelijk?

PCA projecteert de gegevens in een nieuwe ruimte die wordt overspannen door de hoofdcomponenten (PC), die ongecorreleerd en orthogonaal zijn. De pc's kunnen met succes relevante informatie uit de gegevens halen. … Deze componenten zijn statistisch onafhankelijk, d.w.z. er is geen overlappende informatie tussen de componenten.

Is hoofdcomponent uniek?

Dan vinden we in 1-dimensionale PCA een lijn om de variantie van de projectie van de 2-dimensionale gegevens op die lijn te maximaliseren. … Deze lijn is niet uniek wanneer de 2D-gegevens rotatiesymmetrie hebben, dus er zijn meer dan één lijn die dezelfde maximale variantie in de projectie geeft.

Zijn hoofdcomponenten orthogonaal?

De belangrijkste componenten zijn de eigenvectoren van een covariantiematrix, en daarom zijn ze orthogonaal. Belangrijk is dat de dataset waarop de PCA-techniek moet worden gebruikt, moet worden geschaald. De resultaten zijn ook gevoelig voor de relatieve schaling.

Aanbevolen: