User Tools
Site Tools
vyuziti_metod_linearni_algebry_pca_svd_nmf
Differences
This shows you the differences between two versions of the page.
| Next revision | Previous revision | ||
|
vyuziti_metod_linearni_algebry_pca_svd_nmf [2016/12/31 18:29] efox created |
vyuziti_metod_linearni_algebry_pca_svd_nmf [2016/12/31 19:49] (current) efox |
||
|---|---|---|---|
| Line 1: | Line 1: | ||
| - | ====== PCA ====== | + | ====== PCA (primary component analysis)====== |
| * analýza hlavních komponent | * analýza hlavních komponent | ||
| + | * http:// | ||
| * viz DPZ | * viz DPZ | ||
| * pozitivní korelace - jde v diagonále a skoro k 1, negativní je naopak a třeba -9, žádná korelace má záznamy rozptýlené všude | * pozitivní korelace - jde v diagonále a skoro k 1, negativní je naopak a třeba -9, žádná korelace má záznamy rozptýlené všude | ||
| * cílem PCA je zjednodušit popis lineárné závislých (tj. korelovaných znaků), a to rozkladem matice dat do **matice strukturní** (využité hlavní komponenty) a **matice šumov**é (nevyužité hlavní komponenty) | * cílem PCA je zjednodušit popis lineárné závislých (tj. korelovaných znaků), a to rozkladem matice dat do **matice strukturní** (využité hlavní komponenty) a **matice šumov**é (nevyužité hlavní komponenty) | ||
| + | * Využitím PCA je snížení dimenze úlohy čili redukce počtu znaků bez velké ztráty informace, užitím pouze prvních několika hlavních komponent. | ||
| + | * Hlavní komponenty jsou nekorelované. | ||
| + | * **latentní proměnná** / hlavní proměnná | ||
| + | * **určení počtu komponent: | ||
| + | * musí být větší než 1 | ||
| + | * tolik komponent, které vysvětlují např, 90 % původní variability | ||
| + | * použiju [[Scree graf]] | ||
| + | |||
| + | * ostatní grafické hilfy | ||
| + | * https:// | ||
| + | * **Graf komponentních vah, zátěží** | ||
| + | * zobrazuje komponentní váhy, zátěže, pro obvykle první dvě hlavní komponenty | ||
| + | * každý bod v grafu odpovídá jednomu znaku | ||
| + | * v grafu se porovnávají především vzdálenosti mezi shluky | ||
| + | * krátká vzdálenost mezi znaky -> silná korelace mezi nimi | ||
| + | * když je to kolmé, mají nulovou korelaci, když je úhel malý nebo velký tak pozitivní nebo negativní korelace | ||
| + | * čím delší linie -> tím větší vliv na výslednou komponentu! | ||
| + | * nalezneme i shluk podobných proměnných a hlavními komponentami | ||
| + | * {{ : | ||
| + | * **Rozptylový diagram (scatterplot)** | ||
| + | * zobrazuje komponentní skóre pro první dvě hlavní komponenty všech objektů | ||
| + | * najdu shluk vzájemně podobných objektů a také objekty odlehlé a silně odlišné od ostatních objektů | ||
| + | * identifikace odlehlých objektů, identifikace trendů, identifikace tříd, shluky objektů | ||
| + | * objekty daleko od počátku jsou extrémy, blízko k centru jsou nejtypičtější objekty | ||
| + | * umístěné zřetelně v jednom shluku jsou si podobné a nepodobné objektům v ostatních shlucích | ||
| + | * {{ :: | ||
| + | * **Dvojný graf (Biplot)** | ||
| + | * Kombinuje dva grafy: graf komponentních zátěží a vykreslení objektů | ||
| + | * Úhel mezi průvodiči | ||
| + | * {{ :: | ||
| + | |||
| + | ====== SVD (singular value decomposition) ====== | ||
| + | * | ||
| + | ====== NMF (Non-negative matrix factorization) ====== | ||
| + | * | ||
| + | |||
| + | |||
Permalink vyuziti_metod_linearni_algebry_pca_svd_nmf.1483205351.txt.gz · Last modified: 2016/12/31 18:29 by efox
oeffentlich
