主成分分析（PCA）是一种用于降维的统计技术，通常用于聚类或因子分析。给定任意数量的解释或因果变量，PCA根据解释数据中最大变化的能力对变量进行排名。正是这种特性允许PCA用于降维，即从大的可能影响中识别最重要的变量。
我尝试使用PCA技术进行聚类。在我的情况下，我有n电影用户的评论。我用这种方式创建一个表用户x电影：用户电影0 1 2 3 4 0 2 0 5 0 0 1 0 1 ...
我目前正在使用RStudio使用从SPSS导入的数据为我的PCA生成3D图。目前，我有10个治疗组，每个治疗组有5个科目。我想绘制一个三维图，每个...
我很难弄清楚如何处理数据插补没有意义的NaN变量。我正在尝试进行文本/文档聚类，并且需要一些缺少值...
我想使用主成分分析（PCA）来降低维数。 numpy或scipy已经拥有它，或者我是否必须使用numpy.linalg.eigh滚动自己？我不只是想用......
sklearn中的pca.inverse_transform
在将我的数据拟合到X =我的数据pca = PCA（n_components = 1）pca.fit（X）X_pca = pca.fit_transform（X）之后，X_pca现在有一个维度。当我按定义执行逆变换时不是......
我在R中使用princomp来执行PCA。我的数据矩阵很大（10K x 10K，每个值最多4个小数点）。在Xeon 2.27 GHz处理器上需要大约3.5小时和~6.5 GB的物理内存。 ...
我做过PCA。我想将这些结果放在数据框中。更具体地说，我想创建一个包含两行和两列的数据帧（在执行PCA之后的主要组件...
我有一个代码，我在R中提取CSV文件。我有接近40-50个变量，我想减少尺寸以进行进一步分析。数据集中的大多数列都是INT，FACTOR ......
需要在R中的Dataframe上执行Dimension Reduction
我有一个数据集BO，它包含40多个INT，FACTOR或NUM类型的变量。我需要通过执行PCA来减少变量的数量在这个过程中我写了以下内容......
我使用PCA找到60台PC：来自sklearn.decomposition的N_comp = 60导入PCA pca = PCA（n_components = N_comp）X_pca = pca.fit_transform（X_scale）#lower dimension data eigenvalues = pca.components_现在，...
我有使用PCA的一些经验，但这是我第一次尝试使用PCA进行光谱数据...我有一个大的光谱数据，我使用prcomp命令来计算PCA ...
我使用以下代码：#Fit PCA pca = PCA（n_components = 3）pca.fit（data）#Plot plt.plot（range（0,3），pca.explained_variance_ratio_）plt.ylabel（'Explained Variance'）plt .xlabel（'校长......
在这个目录“C：\ Users \ KG \ Documents \ R \ data”中我有40个文件夹，从s1到s40命名，其中每个文件夹中有10张图片（.png）的面孔命名为（1， 2，... 10）。如何导入......
我试图在预测中使用knn，但是首先要进行主成分分析以减少维数。但是，在我生成主要组件并将其应用于knn后，它...
我正在尝试减少图像数据集的特征数量，以便更快地计算余弦相似度。我有一个pandas数据帧，具有以下结构[“url”，“cluster_id”，“...
如何为每个点散点图绘制圆形，同时每个散点图具有特定的半径大小
我有一个带有距离矩阵的熊猫框架，我使用PCA进行暗淡减少。该距离矩阵的数据帧具有每个点和大小的标签。我怎样才能使每个分散的点...
这是PCA的结果。 RC1和RC3可以解释哪些变量是相关的。但是，无法在RC2中解释。当检查特征值时，因子的数量是3.但是真的可以......
我有一个数据框，分为行中的样本和列中的变量。执行PCA时：df.pca
我正在对我的数据进行知识回归，并希望：a）通过重复cc交叉验证以找到最佳k; b）在构建knn模型时，使用PCA在90％的水平阈值下减少......
在R中有一种方法可以选择许多非连续的，即奇数或偶数行/列吗？我正在绘制我的主成分分析的负载。我有84行数据，如下所示：x_1 y_1 ...