在 ggbiplot pca 中更改圖例和形狀
[英]Change legend and shape in ggbiplot pca
你能幫我處理我的 pca 嗎？ 我想改變形狀，使每個物種都有不同的顏色，每個物種的所有 2-3 個生物都有 2-3 個不同的符號。 它應該是這樣的：在此處輸入圖像描述到目前為止，我嘗試了以下代碼： 那是我的數據 順便說一下，軸標簽是否可以只使用 PC1( x %) 而不是 PC1(x % expla ...
PCA 之前的平均居中
[英]Mean centering before PCA
我不確定這種問題（與 PCA 相關）在這里是否可以接受。 但是，建議在 PCA 之前執行 MEAN CENTER，如已知。 事實上，我有 2 個不同的班級（每個不同的 class 都有不同的參與者。 ）。 我的目標是區分和分類這兩個類別。 不過，我不確定應該應用於整個數據集或每個 class 的 M ...
分析tensorflow中文本的特征
[英]Analysing features of text in tensorflow
我對 TensorFlow 和自動編碼器的想法比較陌生，但我正在嘗試為文本創建一個自動編碼器，我不想編寫這段代碼，因為它會逐個標記地測量。 這段代碼並不理想，因為它試圖一段一段地重建文本，這對於圖像來說很好，但對於文本卻不行，因為它依賴於它之前的內容。 有沒有辦法讓神經網絡比較 output 和輸入 ...
factoextra 變量繪圖和標記子集
[英]factoextra variable plotting and labeling subset
我在 R 中使用 prcomp 運行了 PCA，我正在嘗試生成一個變量 plot，它具有 1) 變量（箭頭）的子集，顏色（黑色）與變量的 rest 不同，2）對這些變量進行排序在繪圖之前，黑色箭頭不會被任何其他箭頭覆蓋，以及 3) label 黑色箭頭及其 TUXXXX 編號。 這是我的數據的截斷版 ...
使用 factominer 和 factoextra 包/庫進行 pca 分析
[英]pca analysis using factominer and factoextra packages / libraries
和ggarange function 不會工作，說找不到。 ...
在 R 中使用 Plotly 作為 PCA 中的標記的觀測值
[英]Observation number as marker in PCA using Plotly in R
下面是使用 R 中的 Plotly 可視化主成分分析 (PCA) 的基本代碼。它取自 Plotly 網站。 有沒有辦法制作標記文本？ 具體來說，我希望標記顯示觀察編號，這實際上是行號。 我研究過將注釋設置為文本，但找不到使它們成為觀察值的方法。 所有評論表示贊賞。 ...
如何將我的主成分 1（來自 PCA）用作分層回歸分析中的軸？
[英]How can I use my principle component 1 (from PCA) as an axis in a hierchical regression analysis?
我希望在分層回歸分析中使用來自 PCA 的 PC1 來解釋 R 中的其他變化。這可能嗎？ 我在 R 中使用以下代碼運行了我的 pca 現在我希望在我的模型中使用 PC1 作為變量像這樣的東西 m0<- lm(Rel.abund.rotifers~turb+chl.a+PC1,data=my. ...
將大數組轉換為向量並將其恢復為數組，以便每個單元格都回到原來的位置
[英]turn large array into vector and restore it back to an array so that each cell is back in its original place
我正在對 4 個非常大的 arrays 進行 PCA 計算。這些 arrays 包括 NaN 單元格。 為了使 PCA 工作，我必須將 arrays 重塑為向量（一維而不是二維）並刪除所有 NaN 單元格，這會改變向量的長度。 PCA 返回 4 個新向量，我需要將它們重新整形為與原始 arrays ...
使用 Python 和 Numpy 對高維數據進行 PCA
[英]PCA for high dimensional data using Python and Numpy
我必須為 Python 中的高維數據的 PCA 實施 function，但我在某個時候卡住了。 對於低維數據，我希望 function 返回與我的 function 相同的主成分。 我已經搜索了一個解決方案並找到了一些提示，但缺少一些東西。 我希望有一個人可以幫助我。 對於高維數據的 PCA，我使 ...
主成分分析 R 手工
[英]Principal Component Analysis in R by hand
這些問題是關於主成分分析的，部分是手工完成的。 免責聲明：我的背景不是數學，我是第一次使用 R。 給定 R^3 中的以下五個數據點。 其中 xi1-3 是變量，x1 - x5 是觀察值。 給出主成分分析后的三個主成分向量，如下所示： 問題如下 至此我已經用下面的代碼回答了問題1，其中Z代表分數： 現 ...
在 PCA plot 中繪制橢圓，每組 3 個數據點
[英]Draw ellipse in PCA plot with 3 data points in each group
我正在使用 RNA 轉錄組數據“test.csv”來制作 PCA plot 並在每個組周圍畫一個橢圓，只有三個生物復制數據點。 測試.csv 腳本 這為我提供了帶有單個橢圓的PCA Plot 。 此外，我嘗試遵循堆棧溢出的一些解決方案，例如解決方案 1 ，但它們給出了某種錯誤。 如何在每個組周圍繪制 ...
如何在 PCA 之后使用 2 個矩陣重建 Python 中 10 個分量的數據？
[英]How to reconstruct data from 10 components in Python using 2 matrixes after PCA?
請幫忙，。 我在這里看到了一些答案，但他們沒有幫助我。 我需要重建初始數據。 有 2 個矩陣並使用前十個主成分。 第一個矩陣 (Z) (X_reduced_417) - 應用 sklearn.decomposition.PCA 的結果。 第二個矩陣 (X_loadings_417) (F) 是權重 ...
R如何申請PCA？
[英]How to apply PCA in R?
我想將 PCA 應用於我的數據集。 在我的數據集中，並非所有列都是數字，所以我檢查了哪一個是數字。 然后我創建了一個子數據集。 經過一些研究，我嘗試了 is.finite 方法並得到了這個結果： 我也收到了這個錯誤： svd(x, nu = 0, nv = k) 錯誤：'x' 中存在無限值或缺 ...
plot單排plot不顯示？
[英]The plot does not display when arranged as single plot?
我創建了一個熱圖和一個 pca plot 並試圖將它們合並為一個圖形。 但是沒有顯示為單個數字。 output 沒有 pca： ...
如何為 pca plot 中的標簽添加顏色？
[英]How do I add color to labels in a pca plot?
我正在嘗試 plot pca。 但是plot中的label名稱有重疊。如何移動plot中的這些標簽？ 使用的代碼 我想添加PPBC1a, PPBC1b, PPBC1c一種顏色，類似PPBC2a,b,c和PPBC3a,b,c,d 使用的數據如下： 輸出（數據） ...
MFA 中缺失值的插補值錯誤
[英]Error in imputation values with missing values in MFA
我的數據結構基於 151 個個體 x 51 個變量（1 個分類變量由 3 個類別或組（OO、NUTS、LFD）和 50 個連續數值變量組成）。 實驗的背景是基於 3 種干預措施，其中患者接受不同的治療。 變量是數字形式的基因表達結果，我打算將其形成簇或觀察組。 當然，還有 MISSING 值。 由於 ...
我有5個文件夾（每個文件夾包含大約200張RGB圖像），我想使用“主成分分析”進行圖像分類
[英]I have 5 folders (each contain about 200 RGB images), I want to use "Principal Component Analysis" for image classification
我有5個文件夾（代表5個類，每個包含大約200張彩色圖像），我想使用“主成分分析”進行圖像分類。 之前我使用 Re.net 來預測每個圖像屬於哪個 class。 但現在我想使用 PCA。 我正在嘗試將其應用到代碼中，有什么幫助嗎？ 之前我使用 Re.net 來預測每個圖像屬於哪個 class。 但現 ...
模型預測的靈敏度百分比
[英]percentage of sensitivity predicted by the model
在 PCA/LDA 中，如何找到特定類別中模型預測的正例百分比？ 例如，假設 Load_digits 數據集有 10 個類。 如何檢查模型預測的第 5 類百分比？ ...
創建一個 for 循環來存儲 LDA 錯誤分類率
[英]Creating a for-loop to store LDA misclassification rates
我有一個包含 104 個樣本（2 個類）和 182 個變量的數據集。 我要對數據集進行LDA。 我的策略是首先進行 PCA 以降低維度； 這給我留下了 104 台電腦。 現在，我要做的是在 PC 上進行 LDA。 我想先在 PC 的數量等於 1 的地方執行它，並將錯誤分類率存儲到數據框 object ...
了解用於 EEG 信號降維的主成分分析 (PCA)
[英]Understanding Principal Components Analyse (PCA) for Dimension Downscaling in EEG signals
我看過幾十篇科學文章，凡是用大量通道讀取腦電信號的地方，都會用到主成分分析法來降維。 看過很多次Principal Components Analyze的理論，覺得理解了它的原理，每個分量都是數據的一個新的坐標系。 我在 Python 中為我的數據實施了此方法，但最終得到了相對於新組件（坐標）建模 ...