E**********e
发帖数: 1736 | 1 【 以下文字转载自 Statistics 讨论区 】
发信人: ExpressoLove (MoneyForNothing), 信区: Statistics
标 题: PCA 可以用在mixture of continuous 和categorical variables
发信站: BBS 未名空间站 (Sun May 17 18:03:19 2015, 美东)
据我了解， pca用在continous variables 比较合理。categorical one怎计算
covariance matrix啊？ |
E**********e
发帖数: 1736 | 2 没有人回答吗？ machine learning 不是必学的内容吗？
【在 E**********e 的大作中提到】
: 【 以下文字转载自 Statistics 讨论区 】
: 发信人: ExpressoLove (MoneyForNothing), 信区: Statistics
: 标 题: PCA 可以用在mixture of continuous 和categorical variables
: 发信站: BBS 未名空间站 (Sun May 17 18:03:19 2015, 美东)
: 据我了解， pca用在continous variables 比较合理。categorical one怎计算
: covariance matrix啊？
|
s*********a
发帖数: 2623 | 3 categorical 是covariance 咯？是不是应该用anova？如果你又有continuous 也有
categorical的话在SAS下用GLM咯？
你PCA是用在MATLAB里的？
我也不是很懂。不对的话大家多多打击 |
E*********g
发帖数: 185 | 4 我看如果categorical variable量化之后有意义的话，勉强也能用。
【在 E**********e 的大作中提到】
: 没有人回答吗？ machine learning 不是必学的内容吗？
|
E**********e
发帖数: 1736 | 5 说到categorical variable， 一般已经是numerical categorical了（1,2,3，。。。
）。 textbook 好像很少讲到mixture的continuous 和 categorical variables。 事
实是很多时候modeling的时候， 都是mixture。 这种情况用pca来降维或者找出
significant的variabels是不是就有问题。
当然也许可以试correspendse analysis， 就是把continous variable group， 然后
用contigency table来找出关联。但是也很少说用了选significant variabels。
问这个问题是因为面试是碰到这个问题。 所以pca来选variables的话，好像不是那么
可信。 lasso也许是个更好方法。
【在 E*********g 的大作中提到】
: 我看如果categorical variable量化之后有意义的话，勉强也能用。
|
b******x
发帖数: 826 | 6 covariance is the solution of PCA, not the motivation of PCA
the motivation is a low-rank matrix factorization
when the approximation error is measured in squared errors we get back PCA
other approximation error can be used for categorical variables
【在 E**********e 的大作中提到】
: 说到categorical variable， 一般已经是numerical categorical了（1,2,3，。。。
: ）。 textbook 好像很少讲到mixture的continuous 和 categorical variables。 事
: 实是很多时候modeling的时候， 都是mixture。 这种情况用pca来降维或者找出
: significant的variabels是不是就有问题。
: 当然也许可以试correspendse analysis， 就是把continous variable group， 然后
: 用contigency table来找出关联。但是也很少说用了选significant variabels。
: 问这个问题是因为面试是碰到这个问题。 所以pca来选variables的话，好像不是那么
: 可信。 lasso也许是个更好方法。
|
i**********n
发帖数: 217 | 7 肯定可以用， 怎么定义difference between categorical variables，怎么interpret
results，要看具体问题了
【在 E**********e 的大作中提到】
: 说到categorical variable， 一般已经是numerical categorical了（1,2,3，。。。
: ）。 textbook 好像很少讲到mixture的continuous 和 categorical variables。 事
: 实是很多时候modeling的时候， 都是mixture。 这种情况用pca来降维或者找出
: significant的variabels是不是就有问题。
: 当然也许可以试correspendse analysis， 就是把continous variable group， 然后
: 用contigency table来找出关联。但是也很少说用了选significant variabels。
: 问这个问题是因为面试是碰到这个问题。 所以pca来选variables的话，好像不是那么
: 可信。 lasso也许是个更好方法。
|
E**********e
发帖数: 1736 | 8 我的问题是用pca 来选signifiant variabales。 好像还没看到pca可以适合
categorial variables的。 昨天问了老师，答案也是negative， 倒是提了
correspondse analysis。 不过不是用来variables selections的。
比如一个binary variable（0,1）， 难道可以用PCA来算它的variance的大小， 从而
确定看在total variance占的比例大小决定保留还是剔除。
我的一个想法是把categorial 和continouous 分开， 分开分析从而确定significant
varialbes
interpret
【在 i**********n 的大作中提到】
: 肯定可以用， 怎么定义difference between categorical variables，怎么interpret
: results，要看具体问题了
|
e********9
发帖数: 444 | |
