Vícerozměrná analýza dat metodami PCA, FA a CLU

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216275%3A25310%2F15%3A39900243" target="_blank" >RIV/00216275:25310/15:39900243 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

čeština

Název v původním jazyce

Vícerozměrná analýza dat metodami PCA, FA a CLU

Popis výsledku v původním jazyce

Vícerozměrná statistická analýza je založena na latentních proměnných, které jsou lineární kombinací původních proměnných. Zdrojová matice dat obsahuje proměnné v m sloupcích a objekty v n řádcích. Data jsou před zpracováním škálována. Cílem je nalézt shluk jako množinu podobných objektů s podobnými proměnnými. Podobnost objektů posuzujeme na základě vzdálenosti (míry) objektů v m-rozměrném prostoru: čím je vzdálenost shluků či objektů větší, tím menší je jejich podobnost. Strukturu a vazby mezi proměnnými vystihují metody snížení dimensionality, metoda hlavních komponent (PCA). Důležitou pomůckou je rozptylový diagram, který zobrazuje objekty, rozptýlené v rovině prvních dvou hlavních komponent. Graf komponentních vah porovnává vzdálenosti mezi proměnnými xi a xj, kde krátká vzdálenost značí silnou korelaci. Dvojný graf pak kombinuje oba předchozí grafy. Objekty lze seskupovat do shluků hierarchicky dle předem zvoleného způsobu metriky (průměrově, centroidně, nejbližším sousedem, nejv

Název v anglickém jazyce

Multivariate data analysis methods PCA, FA and CLU

Popis výsledku anglicky

Multivariate statistical analysis is based on the latent variables and are linear combinations of the original variables, y = wx + ... + w 1 x1. Source data matrix of vm columns contains variables and objects are in lines. Data are before processing scaled. The goal is to find a cluster as a set of similar objects with similar variables. The similarity of objects are evaluated on distance (degrees) objects in m-dimensional space: the distance of clusters or objects is larger, the greater is their dissimilarity. Structure and relationships between variables describe methods of dimensionality reduction, principal component (PCA). An important tool is a scatter diagram showing the objects, dispersed in the plane of the first two principal components. Thegraph compares the component weights distances between variables xi and xj, where a short distance indicates a strong correlation. Biplot plot then combines the two previous graphs. Objects can be grouped into clusters according to the hi

Druh

D - Stať ve sborníku

CEP obor

IN - Informatika

OECD FORD obor

—

Projekt

—

Návaznosti

I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Rok uplatnění

2015

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Zajištění kvality analytických výsledků: sborník příspěvků

ISBN

978-80-86380-75-9

ISSN

—

e-ISSN

—

Počet stran výsledku

21

Strana od-do

45-66

Název nakladatele

Ing. Václav Helán - 2 THETA

Místo vydání

Český Těšín

Místo konání akce

Lučina u Žermanické přehrady

Datum konání akce

24. 3. 2015

Typ akce podle státní příslušnosti

CST - Celostátní akce

Kód UT WoS článku

—