Resume
Summary PCA advanced data analysis
- Cours
- Advanced data analysis
- Établissement
- Universiteit Antwerpen (UA)
Summary of 6 pages for the course advanced data analysis at UA (Summary lesson PCA)
[Montrer plus]
Aperçu du contenu
PCAFirst step to look at your data
-> reasons to do PCA
Dimension reduction
Visual and mathematical results
What are the underlying dynamics of my system?
Is there different groupd in my samples?
QC
Multivariate data = short and wide table with too many variables for a
clear overview
-> complex data, how to represent this data
Data transformation: variables need to be preprocessed before being of
use
Log transformation (take the log of each datapoint)
Normalization: sometimes you need to normalize the values of a
variable-> make variables comparable
Comparison between variables: when you use patterns, outliers become
visible which would be not the case when you would look at the individual
plots
Covariance = how much do two variables change together? Can take up
any value
0 = no relation between the variables
+ = similar behaviour
- = inverted behaviour
Correlation = measures both the strength and direction of the linear
relationship between two variables. It is a normalized version of
covariance. -1 1
0 = no correlation
-1 = perfect inverted correlation
, 1 = perfect correlation
Causation = change in one variable means a direct change in the other
variable
Compare set of sick people with set of healthy people
-> find the variables correlated with the disease
-> you find factors that are not directed related to the disease but are a
consequence of the disease
Data projection
Multivariate analysis by projection: why?
-> looks at all the variables together
-> avoid loss of information
-> find underlying trends
-> more stable models
-> unsupervised
What is a projection:
You want to reduce dimensionality of the data + algebraic interpretation
(summary of observation variables into a few new artificial variables
Geometric interpretation:
Variables form axes in a multidimensional space
A single observation in this space = a point
These points will be projected on a plane
Why would you use projections?
-> reduce dimensionality without the loss of information
-> handle different types of data sets
-> handles correlation variables
-> graphical results
-> separates actual trends from noise
PCA
-> data visualization and simplification
Info stays in the correlation structure of the data
Projection to a lower dimensionality
Les avantages d'acheter des résumés chez Stuvia:
Qualité garantie par les avis des clients
Les clients de Stuvia ont évalués plus de 700 000 résumés. C'est comme ça que vous savez que vous achetez les meilleurs documents.
L’achat facile et rapide
Vous pouvez payer rapidement avec iDeal, carte de crédit ou Stuvia-crédit pour les résumés. Il n'y a pas d'adhésion nécessaire.
Focus sur l’essentiel
Vos camarades écrivent eux-mêmes les notes d’étude, c’est pourquoi les documents sont toujours fiables et à jour. Cela garantit que vous arrivez rapidement au coeur du matériel.
Foire aux questions
Qu'est-ce que j'obtiens en achetant ce document ?
Vous obtenez un PDF, disponible immédiatement après votre achat. Le document acheté est accessible à tout moment, n'importe où et indéfiniment via votre profil.
Garantie de remboursement : comment ça marche ?
Notre garantie de satisfaction garantit que vous trouverez toujours un document d'étude qui vous convient. Vous remplissez un formulaire et notre équipe du service client s'occupe du reste.
Auprès de qui est-ce que j'achète ce résumé ?
Stuvia est une place de marché. Alors, vous n'achetez donc pas ce document chez nous, mais auprès du vendeur AVL2. Stuvia facilite les paiements au vendeur.
Est-ce que j'aurai un abonnement?
Non, vous n'achetez ce résumé que pour €3,49. Vous n'êtes lié à rien après votre achat.
Peut-on faire confiance à Stuvia ?
4.6 étoiles sur Google & Trustpilot (+1000 avis)
79202 résumés ont été vendus ces 30 derniers jours
Fondée en 2010, la référence pour acheter des résumés depuis déjà 14 ans