Howtosignalprocessing
- Czy PCA zmniejsza wariancję?
- Ile wariancji jest dopuszczalna w PCA?
- Jak można zmniejszyć wymiarowość PCA?
- Czy PCA zwiększa wariancję?
Czy PCA zmniejsza wariancję?
Wynika to z faktu, że PCA jest zaprojektowany w celu zminimalizowania wariancji (odchylenia kwadratowe), co nie jest zbyt znaczące, gdy jest wykonywane na zmiennych binarnych. Jeśli masz mieszane dane, alternatywne metody, takie jak MCA, mogą działać lepiej.
Ile wariancji jest dopuszczalna w PCA?
Niektóre kryteria mówią, że całkowita wariancja wyjaśniona przez wszystkie komponenty powinna wynosić od 70% do 80% wariancji, co w tym przypadku oznaczałoby około czterech do pięciu składników.
Jak można zmniejszyć wymiarowość PCA?
Dekompozycja wartości własnej i rozkład wartości pojedynczej (SVD) z algebry liniowej to dwie główne procedury stosowane w PCA w celu zmniejszenia wymiarów.
Czy PCA zwiększa wariancję?
Należy pamiętać, że PCA tak naprawdę nie zwiększa wariancji danych. Raczej obraca zestaw danych w taki sposób, aby wyrównać kierunki, w których jest on najbardziej rozłożony z głównymi osiami. Umożliwia to usunięcie tych wymiarów, wzdłuż których dane są prawie płaskie.
