- ¿Cuál de los siguientes es correcto para el análisis de componentes principales PCA??
- ¿Es efectivo el análisis de componentes principales?
- ¿Cómo hablo de mis resultados de PCA??
- ¿Cómo se interpreta el análisis de componentes principales de PCA??
¿Cuál de los siguientes es correcto para el análisis de componentes principales PCA??
(12) [4 pts] ¿Cuál de los siguientes es verdadero sobre el análisis de componentes principales (PCA)? R: Los componentes principales son los vectores propios de la matriz de datos centradas.
¿Es efectivo el análisis de componentes principales?
PCA ofrece la mejor representación posible de un conjunto de datos P-dimensional en las dimensiones Q (Q<p) En el sentido de maximizar la varianza en las dimensiones Q. Sin embargo, una desventaja es que las nuevas variables que define generalmente son funciones lineales de todas las variables originales de P.
¿Cómo hablo de mis resultados de PCA??
Para un PCA, puede comenzar con un párrafo sobre la varianza explicado y el diagrama de scree, seguido de un párrafo sobre las cargas para PC1, luego un párrafo para cargas en PC2, etc. Luego serían seguidos por párrafos en puntajes de muestra para cada una de las PC, con un párrafo para cada PC.
¿Cómo se interpreta el análisis de componentes principales de PCA??
La interpretación de los componentes principales se basa en encontrar qué variables se correlacionan más fuertemente con cada componente, i.mi., ¿Cuál de estos números tiene una magnitud grande, los más alejados de cero en cualquier dirección?. Los números que consideramos grandes o pequeños, por supuesto, es una decisión subjetiva.