Спасибо, читал несколько статей по использованию метода главных компонент и не мог понять суть метода. Потратил 2 недели, а на выходе "0". А Вы очень доступно его пояснили. Низкий Вам за это поклон. В районе 2.30-3.00 мин. оговорка: - выборочную дисперсию первой гл.компоненты максимизируем по альфа1, альфа2. Думаю имели в виду не альфа2, а бета. Еще раз спасибо. Виктор.
Это правило оттого, что мы хотим сохранить масштаб системы координат после ее трансформации, т.е. хотим, чтобы pc1 и pc2 были единичными векторами, задающими новую систему координат.
3:05 отцентрировали. А разве не надо еще и стандартизировать, чтобы дисперсия была единичной, для этого поделив их на стандартное отклонение. Например, x1 = (0, корень(3/2), -корень(3/2))
У меня получились коэффициенты ~0.89 и ~0.45 И разброс значений для PC1 не -1.4;2.8, а -1.8;2.68 То есть вектор длиннее Но метод другой и где-то даже более разумный.. Однако в моем случае несмотря на то что вектор длиннее получился остался ккор между данными. А у лектора ккор стал равным 0 Уважаемый лектор свяжитесь со мной пожалуйста. Или тот, кто сможет мне объяснить где я вру себе.
Перерыл кучу статей что бы понять как этот метод работает и наконец то увидел то что мне подходит) спасибо!
Это было ауенно. Спасибо, лектор.
спасибо вам
Спасибо, читал несколько статей по использованию метода главных компонент и не мог понять суть метода. Потратил 2 недели, а на выходе "0". А Вы очень доступно его пояснили. Низкий Вам за это поклон. В районе 2.30-3.00 мин. оговорка: - выборочную дисперсию первой гл.компоненты максимизируем по альфа1, альфа2. Думаю имели в виду не альфа2, а бета. Еще раз спасибо. Виктор.
Спасибо, это было круто, а теперь покажите так же вторую (ортогональную) пожалуйста. И почему alpha ** 2+beta ** 2 в условии?
это главное условие в методе главных компонент, квадраты весов должны равняться единице
5:27 А по какой причине мы должны поделить числитель и знаменатель на Альфа в квадрате?? Почему не, например, на Бета в квадрате??
очень круто объясняет!!!
ну получили мы данные первой компоненты,а что дальше? как строить потом вектор компоненты ?
Откуда взялось условие альфа^2 + бета^2 = 1?
классические ПФ - сумма коэффициентов "альфа^2 + бета^2" должна равняться одному, это правило. (Вот только я забыл классические или неоклассические).
Это правило оттого, что мы хотим сохранить масштаб системы координат после ее трансформации, т.е. хотим, чтобы pc1 и pc2 были единичными векторами, задающими новую систему координат.
3:05 отцентрировали. А разве не надо еще и стандартизировать, чтобы дисперсия была единичной, для этого поделив их на стандартное отклонение. Например, x1 = (0, корень(3/2), -корень(3/2))
Нет, у нас нет мотивации менять масштаб измерений - мы хотим сделать переменные максимально независимыми и подготовить данные к визуализации
Нас учат решать через матрицы, и мне теперь не понятны другие способы 😭
Правильно учат!)
У меня получились коэффициенты ~0.89 и ~0.45
И разброс значений для PC1 не -1.4;2.8, а -1.8;2.68
То есть вектор длиннее
Но метод другой и где-то даже более разумный..
Однако в моем случае несмотря на то что вектор длиннее получился остался ккор между данными. А у лектора ккор стал равным 0
Уважаемый лектор свяжитесь со мной пожалуйста. Или тот, кто сможет мне объяснить где я вру себе.
Типичное преподское решение "А давайте не будем решать через Лагранжа(Вы это уже сами додумайте)" И в чем тогда смысл сиего перфоманса?
Это видео-монтаж или лектор зеркально умеет писать на стекле ?!!!
Просто зеркально отразили
я вообщето запросил выделение ГЛАВНОЙ части а здесь что?