[討論] PCA相關和協方差矩陣

[FrederickLiu (Frederick)]

PCA 用 correlation or covariance比較


基本上我有爬文,也知道他是如何運算的

可以知道當尺度相同的時候用covariance所丟失的訊息量會最少
我的尺度相同故我先用covariance 計算得到的結果可以發現的確3個軸加起來約90%
這時候發現這些資料依照’’地區’’來區分可以明顯的分群
但如果依照種類卻結果並不是很好

接著我也做了correlation 發現資料丟失量的確滿多的 前三個加起來能解釋約66%
也很神奇地發現 使用correlation的方式可以依照’’種類’’來區隔開

想問一下各位 這樣可以兩種資料都用來討論嗎??
因為covariance可以漂亮的分出’’地區’’無法分出’’種類’’
但是相反correlation可以漂亮的分出’’種類’’，卻無法分出’’地區’’

https://i.imgur.com/r7H2zFX.jpg
左上-correlation-地區
右上-covariance-地區(good)
左下-correlation-種類(good)
右下-covariance-種類


還有如果兩個都可以解釋的話,會造成這麼剛好也是有可能的嗎??
會造成這樣的原因是因為??

有點想不透 要怎麼跟人解釋資料量變少反而有一個可以變很漂亮…

--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 114.137.1.213
※ 文章網址: https://www.ptt.cc/bbs/Statistics/M.1520259993.A.E85.html
→ andrew43: 圖的角度都不一樣，也看不出實際投影在三軸上的位置。
→ andrew43: 我會先猜測所謂漂亮也只是你看起來覺得漂亮。
→ andrew43: 也可以關心二者主要差別在哪些變數的loading
→ FrederickLiu: Andrew大大您說的沒錯，是看起來漂亮，至於角度我
→ FrederickLiu: 把他轉到我覺得看起來比較漂亮的哈哈
→ FrederickLiu: 關心兩者變數的loading我會去看的，感謝！
→ andrew43: 把三維圖轉轉多看幾眼，或是直接拿PCA分數做clustering
→ andrew43: 應該就可以辨別是不是真的按某個類別分開
→ LiamIssac: 分群有很多方法 SVM也是可以 而且更清楚