主成分回归的基本思想
@乔雄888：主成分分析,聚类分析,因子分析的基本思想以及他们各自的优缺点. - 作业帮
訾许18913162835…… [答案] 主成分分析就是将多项指标转化为少数几项综合指标,用综合指标来解释多变量的方差- 协方差结构.综合指标即为主成分.所得出的少数几个主成分,要尽可能多地保留原始变量的信息,且彼此不相关. 因子分析是研究如何以最少的信息丢失,将众多...
@乔雄888：主成分回归模型可以预测与时间序列的ARIMA预测模型也是用来预测的,他们有什么区别么?? -
訾许18913162835…… 主成份分析是为了提前众多指标中有典型代表性的几个主要成分,其中主成分的一种计算得分方法是用回归方法 ARIMA模型的基本思想是:将预测对象随时间推移而形成的数据序列视为一个随机序列,用一定的数学模型来近似描述这个序列....
@乔雄888：如何进行主成分分析 -
訾许18913162835…… 主成分分析法的基本思想 主成分分析(Principal Component Analysis)是利用降维的思想,将多个变量转化为少数几个综合变量(即主成分),其中每个主成分都是原始变量的线性组合,各主成分之间互不相关,从而这些主成分能够反映始变量的绝大部分信息,且所含的信息互不重叠.采用这种方法可以克服单一的财务指标不能真实反映公司的财务情况的缺点,引进多方面的财务指标,但又将复杂因素归结为几个主成分,使得复杂问题得以简化,同时得到更为科学、准确的财务信息.具体的实际操作我也在学习,主要是在实验室分析,用minitab 网上有很多这方面的资料,你可以自己去详细地看 希望对你有用
@乔雄888：多元线性回归,主成分回归和偏最小二乘回归的联系与区别
訾许18913162835…… 做多元线性回归分析的时候,有可能存在多重共线性的情况,为了消除多重共线性对回归模型的影响,通常可以采用主成分回归和偏最小二乘法来提高估计量的稳定性.主成分回归是对数据做一个正交旋转变换,变换后的变量都是正交的.(有时候为了去除量纲的影响,会先做中心化处理).偏最小二乘回归相当于包含了主成分分析、典型相关分析的思想,分别从自变量与因变量中提取成分T,U(偏最小二乘因子),保证T,U能尽可能多的提取所在变量组的变异信息,同时还得保证两者之间的相关性最大.偏最小二乘回归较主成分回归的优点在于,偏最小二乘回归可以较好的解决样本个数少于变量个数的问题,并且除了考虑自变量矩阵外,还考虑了响应矩阵.
@乔雄888：主成分回归分析可应用于哪些具体的方面?还有主成分回归分析与多元线性回归的区别?
訾许18913162835…… 主成分回归跟多元线性回归没有本质区别的,主成分回归用的还是回归分析. 所谓的主成分回归的意思是,当自变量非常多,就像一个满意度调查的问卷,其中涉及满意度的各项指标的问题非常多,可能有30个或50个,这个时候就不适合直接用回归把这么多问题同时纳入自变量.而是应该首先对这些问题进行主成分分析,找出能够代表这么多问题的几个主要的内在维度,然后用这几个维度作为自变量进行回归分析. 另外,当自变量之间存在共线性,比如有几个自变量都是反映的一个问题,此时就需要用主成分分析,先将这些自变量浓缩,便于计算. 长期兼职论文数据分析、问卷调查数据分析、报告撰写等qq94168195
@乔雄888：近红外光谱测定方法 -
訾许18913162835…… ① 准确扫描校正样品集中各个样品规范的近红外光谱:为了克服近红外光谱测定的不稳定性的困难,必须严格控制包括制样、装样、测试条件、仪器参数等测量参数在内的测量条件;利用该校正校品集建立的数学模型,也只能适用于按这个的测...
@乔雄888：大神们能不能整个简单的例子,计算一下,让我感受一下主成份分析的原理及过程 -
訾许18913162835…… 基本思想 最经典的做法就是用F1(选取的第一个线性组合,即第一个综合指标)的方差来表达,即Var(F1)越大,表示F1包含的信息越多.因此在所有的线性组合中选取的F1应该是方差最大的,故称F1为第一主成分.如果第一主成分不足以代...
@乔雄888：什么是主成分分析方法? -
訾许18913162835…… 主成分分析也称主分量分析,旨在利用降维的思想,把多指标转化为少数几个综合指标.在统计学中,主成分分析(principal components analysis,PCA)是一种简化数据集的技术.它是一个线性变换.这个变换把数据变换到一个新的坐标系统中,使得任何数据投影的第一大方差在第一个坐标(称为第一主成分)上,第二大方差在第二个坐标(第二主成分)上,依次类推.主成分分析经常用减少数据集的维数,同时保持数据集的对方差贡献最大的特征.这是通过保留低阶主成分,忽略高阶主成分做到的.这样低阶成分往往能够保留住数据的最重要方面.但是,这也不是一定的,要视具体应用而定.
訾许18913162835…… [答案] 主成分分析就是将多项指标转化为少数几项综合指标,用综合指标来解释多变量的方差- 协方差结构.综合指标即为主成分.所得出的少数几个主成分,要尽可能多地保留原始变量的信息,且彼此不相关. 因子分析是研究如何以最少的信息丢失,将众多...
@乔雄888：主成分回归模型可以预测与时间序列的ARIMA预测模型也是用来预测的,他们有什么区别么?? -
訾许18913162835…… 主成份分析是为了提前众多指标中有典型代表性的几个主要成分,其中主成分的一种计算得分方法是用回归方法 ARIMA模型的基本思想是:将预测对象随时间推移而形成的数据序列视为一个随机序列,用一定的数学模型来近似描述这个序列....
@乔雄888：如何进行主成分分析 -
訾许18913162835…… 主成分分析法的基本思想 主成分分析(Principal Component Analysis)是利用降维的思想,将多个变量转化为少数几个综合变量(即主成分),其中每个主成分都是原始变量的线性组合,各主成分之间互不相关,从而这些主成分能够反映始变量的绝大部分信息,且所含的信息互不重叠.采用这种方法可以克服单一的财务指标不能真实反映公司的财务情况的缺点,引进多方面的财务指标,但又将复杂因素归结为几个主成分,使得复杂问题得以简化,同时得到更为科学、准确的财务信息.具体的实际操作我也在学习,主要是在实验室分析,用minitab 网上有很多这方面的资料,你可以自己去详细地看 希望对你有用
@乔雄888：多元线性回归,主成分回归和偏最小二乘回归的联系与区别
訾许18913162835…… 做多元线性回归分析的时候,有可能存在多重共线性的情况,为了消除多重共线性对回归模型的影响,通常可以采用主成分回归和偏最小二乘法来提高估计量的稳定性.主成分回归是对数据做一个正交旋转变换,变换后的变量都是正交的.(有时候为了去除量纲的影响,会先做中心化处理).偏最小二乘回归相当于包含了主成分分析、典型相关分析的思想,分别从自变量与因变量中提取成分T,U(偏最小二乘因子),保证T,U能尽可能多的提取所在变量组的变异信息,同时还得保证两者之间的相关性最大.偏最小二乘回归较主成分回归的优点在于,偏最小二乘回归可以较好的解决样本个数少于变量个数的问题,并且除了考虑自变量矩阵外,还考虑了响应矩阵.
@乔雄888：主成分回归分析可应用于哪些具体的方面?还有主成分回归分析与多元线性回归的区别?
訾许18913162835…… 主成分回归跟多元线性回归没有本质区别的,主成分回归用的还是回归分析. 所谓的主成分回归的意思是,当自变量非常多,就像一个满意度调查的问卷,其中涉及满意度的各项指标的问题非常多,可能有30个或50个,这个时候就不适合直接用回归把这么多问题同时纳入自变量.而是应该首先对这些问题进行主成分分析,找出能够代表这么多问题的几个主要的内在维度,然后用这几个维度作为自变量进行回归分析. 另外,当自变量之间存在共线性,比如有几个自变量都是反映的一个问题,此时就需要用主成分分析,先将这些自变量浓缩,便于计算. 长期兼职论文数据分析、问卷调查数据分析、报告撰写等qq94168195
@乔雄888：近红外光谱测定方法 -
訾许18913162835…… ① 准确扫描校正样品集中各个样品规范的近红外光谱:为了克服近红外光谱测定的不稳定性的困难,必须严格控制包括制样、装样、测试条件、仪器参数等测量参数在内的测量条件;利用该校正校品集建立的数学模型,也只能适用于按这个的测...
@乔雄888：大神们能不能整个简单的例子,计算一下,让我感受一下主成份分析的原理及过程 -
訾许18913162835…… 基本思想 最经典的做法就是用F1(选取的第一个线性组合,即第一个综合指标)的方差来表达,即Var(F1)越大,表示F1包含的信息越多.因此在所有的线性组合中选取的F1应该是方差最大的,故称F1为第一主成分.如果第一主成分不足以代...
@乔雄888：什么是主成分分析方法? -
訾许18913162835…… 主成分分析也称主分量分析,旨在利用降维的思想,把多指标转化为少数几个综合指标.在统计学中,主成分分析(principal components analysis,PCA)是一种简化数据集的技术.它是一个线性变换.这个变换把数据变换到一个新的坐标系统中,使得任何数据投影的第一大方差在第一个坐标(称为第一主成分)上,第二大方差在第二个坐标(第二主成分)上,依次类推.主成分分析经常用减少数据集的维数,同时保持数据集的对方差贡献最大的特征.这是通过保留低阶主成分,忽略高阶主成分做到的.这样低阶成分往往能够保留住数据的最重要方面.但是,这也不是一定的,要视具体应用而定.
