Полная версия этой страницы: Воспроизведенная матрица в Факторном анализе
Коллеги, проведите, пожалуйста, ликбез. Как в процессе Факторного анализа воспроизводится корреляционные матрица, которая сравнивается с исходной и смотрятся остатки. Можно ли таким образом подсунув корреляционную матрицу воспроизвести исходные значения переменных?
Цитата(kont @ 25.05.2016 - 14:25) 
Коллеги, проведите, пожалуйста, ликбез. Как в процессе Факторного анализа воспроизводится корреляционные матрица, которая сравнивается с исходной и смотрятся остатки. Можно ли таким образом подсунув корреляционную матрицу воспроизвести исходные значения переменных?
Конечно можно
http://p2004r.livejournal.com/1492.html
Код
reversepca <- function(nv,5670252, pca.object) {
sapply(nv,
function(i)(pca.object$x[,5670252] %*% pca.object$rotation[i,5670252])/
(sum(pca.object$rotation[i,5670252]^2))^0.5)
}
sapply(nv,
function(i)(pca.object$x[,5670252] %*% pca.object$rotation[i,5670252])/
(sum(pca.object$rotation[i,5670252]^2))^0.5)
}
Ну и не забыть делать prcomp() без трансформации данных( вставлять опцию , center = F )
p2004r, сориентируйте, пожалуйста, nv-это подсунутая корреляционная матрица? Второй вопрос, я что-то в репозитории R не вижу библиотека pca.
Цитата(kont @ 25.05.2016 - 15:55)
p2004r, сориентируйте, пожалуйста, nv-это подсунутая корреляционная матрица? Второй вопрос, я что-то в репозитории R не вижу библиотека pca.
nv это 1:n где n - сколько было переменных в датасете, второй параметр это какие главные компоненты оставить, третий сам объект результат выполнения prcomp()
эта процедура возвращает "восстановленные" данные в размерности эквивалентной исходному набору данных (с возможностью исключать-оставлять любой набор компонент), матрицу корреляционную я не восстанавливал мне она не нужна была (да и эфемерное это для принципиальных компонент
)
Для просмотра полной версии этой страницы, пожалуйста, пройдите по ссылке.