- Co oznacza grupowanie w PCA?
- Co to jest analiza klastra i jej kroki?
- Dlaczego PCA przed grupowaniem?
- Czy do klastrowania można użyć TSNE?
Co oznacza grupowanie w PCA?
Analiza lub klastrowanie klastra jest przypisaniem zestawu obserwacji do podzbiorów (zwanych klastrami), dzięki czemu obserwacje w tym samym klastrze były w pewnym sensie podobne.
Co to jest analiza klastra i jej kroki?
Analiza klastra jest procesem znalezienia podobnych grup obiektów w celu utworzenia klastrów. Jest to bez nadzoru algorytm oparty na uczeniu maszynowym, który działa na nieoznaczone dane. Grupa punktów danych obejmowałaby razem, tworząc klaster, w którym wszystkie obiekty należałyby do tej samej grupy.
Dlaczego PCA przed grupowaniem?
Robiąc PCA, zachowujesz wszystkie ważne informacje. Jeśli Twoje dane wykazują klastrowanie, zostaną to ogólnie ujawnione po analizie PCA: zachowując tylko komponenty o najwyższej wariancji, klastry będą prawdopodobnie bardziej wizibowe (ponieważ są najbardziej rozłożone).
Czy do klastrowania można użyć TSNE?
TSNE (osadzanie stochastycznych sąsiadów rozdzielanych przez T) to technika grupowania, która ma podobny wynik końcowy jak PCA, (analiza głównego komponentu).