Лекция 9. Факторный анализ и метод главных компонент, продолжение
compscicenter.ru/
Математические модели анализа главных компонент и факторного анализа. Интерпретация факторов. Пример проведения факторного анализа в Python. Факторные нагрузки, факторные метки, их интерпретация. Вращения факторов.
Лекция №9 в курсе "Анализ данных на Python в примерах и задачах. Часть 2" (осень 2018).
Преподаватель курса: Вадим Леонардович Аббакумов
Страница лекции на сайте CS центра: bit.ly/2OJg1HQ
Пікірлер: 12
Шикарно! Как всегда. Спасибо большое!
Вадим Леонардович, спасибо
49:43 - реализация на питоне
Спасибо за объяснение. Напрашивается вопрос, есть ли какие то методы позволяющие находить факторы нелинейно связанные с наблюдаемыми переменными?
@Vadim_Abbakumov
3 жыл бұрын
Да, они так и называются: nonlinear factor analysis. Очень популярен такой метод. Обучаете многослойную нейронную сеть приемлемого качества, выходы нейронов внутренних слоев - нелинейные факторы.
Добрый день, не подскажите номер главы(может быть даже страницы) в Кендалле/Стюарте, где все это описанно?
@Vadim_Abbakumov
4 жыл бұрын
В третьем томе "Многомерный статистический анализ и временные ряды" начиная со стр 400
@mihto5202
4 жыл бұрын
@@Vadim_Abbakumov Спасибо большое, Вадим Леонардович!
Varimax rotation вроде недавно реализовали в sklearn v0.24.
@Vadim_Abbakumov
3 жыл бұрын
В новой версии курса читаю с учетом изменений, но использую не sklearn, а пакет factor_analyzer
Чет все печально.. Какой ть Индус на ломаном английском за полтора часа бы объяснил бы не только это, а еще базовую статистику и азы питона, и стали бы элементарные задачки выполнять, а не 25й попытки сформулировать а чем мы тут занимается...
Поясню суть стандартизации: Корреляция это стандартизированная ковариация. Понятно? Это пипец обьяснятель!