Bagaimana cara menangani varian besar dalam waktu pemuatan?

1. Berapa banyak varian yang harus dijelaskan PCA?
2. Apa pemuatan tinggi di PCA?
3. Haruskah saya menghapus fitur yang sangat berkorelasi sebelum PCA?
4. Apa yang dikatakan pemuatan PCA?

Berapa banyak varian yang harus dijelaskan PCA?

Beberapa kriteria mengatakan bahwa varian total yang dijelaskan oleh semua komponen harus antara 70% hingga 80% varian, yang dalam hal ini berarti sekitar empat hingga lima komponen.

Apa pemuatan tinggi di PCA?

Pemuatan dari sudut pandang numerik, sama dengan koefisien variabel, dan memberikan informasi tentang variabel mana yang memberikan kontribusi terbesar pada komponen. Kisaran pemuatan dari -1 hingga 1. Nilai absolut tinggi (menuju 1 atau -1) menjelaskan bahwa variabel sangat mempengaruhi komponen.

Haruskah saya menghapus fitur yang sangat berkorelasi sebelum PCA?

Hai Yong, PCA adalah cara untuk menangani variabel yang sangat berkorelasi, jadi tidak perlu menghapusnya. Jika variabel N sangat berkorelasi daripada semuanya akan dimuat pada komponen utama yang sama (vektor eigen), bukan yang berbeda. Ini adalah bagaimana Anda mengidentifikasi mereka sebagai sangat berkorelasi.

Apa yang dikatakan pemuatan PCA?

Pemuatan positif menunjukkan variabel dan komponen utama berkorelasi positif: peningkatan satu hasil dalam peningkatan yang lain. Pemuatan negatif menunjukkan korelasi negatif. Pemuatan besar (baik positif atau negatif) menunjukkan bahwa variabel memiliki efek yang kuat pada komponen utama tersebut.