Cette analyse principale des composants (PCA) a-t-elle été effectuée correctement?

1. Lequel des éléments suivants est correct pour l'analyse des composants principaux PCA?
2. L'analyse des composants principale est-elle efficace?
3. Comment parler de mes résultats PCA?
4. Comment interprétez-vous l'analyse des composants principaux de l'ACP?

Lequel des éléments suivants est correct pour l'analyse des composants principaux PCA?

(12) [4 PTS] Lesquels des éléments suivants sont vrais sur l'analyse des composants principaux (PCA)? R: Les principaux composants sont les vecteurs propres de la matrice de données centrée.

L'analyse des composants principale est-elle efficace?

PCA donne la meilleure représentation possible d'un ensemble de données de dimension p dans les dimensions Q (q<p) dans le sens de maximiser la variance des dimensions Q. Un inconvénient est, cependant, que les nouvelles variables qu'elle définissent sont généralement des fonctions linéaires de toutes les variables d'origine p.

Comment parler de mes résultats PCA?

Pour un PCA, vous pourriez commencer par un paragraphe sur la variance expliquée et le tracé d'éboulis, suivi d'un paragraphe sur les charges pour PC1, puis un paragraphe pour les charges sur PC2, etc. Ceux-ci seraient ensuite suivis par des paragraphes sur les scores d'échantillons pour chacun des PC, avec un paragraphe pour chaque PC.

Comment interprétez-vous l'analyse des composants principaux de l'ACP?

L'interprétation des principales composantes est basée sur la découverte quelles variables sont le plus fortement corrélées avec chaque composant, i.e., Lequel de ces nombres est grand en amplitude, le plus éloigné de zéro dans les deux sens. Les chiffres que nous considérons comme grands ou petits est bien sûr une décision subjective.