JMP数据分析论坛
标题:
关于主成分分析的一些疑问
[打印本页]
作者:
Ryuichi-Dong
时间:
2021-4-10 12:10
标题:
关于主成分分析的一些疑问
大家好,看了上期的大数据分析课程中关于PCA部分的讲解
我也尝试着套用自己的数据进行了PCA
(我是做药剂的,使用的工艺是喷雾干燥)
但还是有很多不理解的地方
我大概了解PCA的目标是对响应降维,
0.那么是否可以说对响应降维以后的PC1和PC2作为一个新指标用于后续的DOE分析呢?
-------------------------------------------------------------
这是我用到的数据
[attach]4780[/attach]
[attach]4779[/attach]
针对我比葫芦画瓢的结果
,我想问一下各位老师的问题:
1.PCA的使用对样本数据有前提条件吗(比如样本大小)
2.能否说
松密度与(D50和引湿性)负相关
,并把这一结论用于后续实验的指导当中,如果负相关的话,如何量化这种负相关的程度呢
(D50是中位数粒径)
3.能不能说两个响应越垂直,他们就越没有相关项(或者说共线性?)
4.我还是不太明确使用PCA的目的,或者说用了PCA之后下一步应该怎么做
感谢各位老师,朋友
2021-4-10
作者:
Ryuichi-Dong
时间:
2021-4-10 12:11
[attach]4781[/attach]
作者:
nanfeng36
时间:
2021-4-10 20:20
等待大师来解答你的问题.
作者:
黄羊山客
时间:
2021-4-16 08:58
对于你的问题,我的理解是:
0. 是否可以用PC1和PC2作为一个指标用于后续的DOE,我的理解是不能。DOE的因子大部分情况下应该是可控的,而PC1和PC2会随着样本的变化发生变化;
作者:
黄羊山客
时间:
2021-4-16 08:59
1. PCA分析基于相关系数矩阵的特征值和特征向量,只要保证相关阵是正定阵就可以了,你可以试一下,6个变量只有3行数据是否可以进行主成分分析;
2. 两个变量是否存在负相关关系,关系有多强,可以用多元平台下的多元来分析;
作者:
黄羊山客
时间:
2021-4-16 09:05
3. 两个响应越垂直,相关性就越差,这个说法基本正确,但两个变量是否相关,相关系数是多少,完全可以看相关系数和相关性检验的P值,相关系数越接近0说明两个变量的线性相关性越差;
4. PCA分析主要用于数据的降维,降维后便于解释是主要的目的,但如何解释仍要与专业知识结合,可能有“横看成岭侧成峰”的效果。
以上,供参考。
欢迎光临 JMP数据分析论坛 (http://www.jmpforum.net/)
X3