文件名称：nsprcomp:用于非负和稀疏PCA的R包
文件大小：42KB
文件格式：ZIP
更新时间：2024-06-04 02:39:11
R
nsprcomp 用于非负和稀疏主成分分析的R包。 主成分分析（PCA）提供了高维数据的低维近似值，其中重构误差（使用欧几里德距离测量）最小。 因此，即使特征数量可能很高，PCA仍可用于简洁地描述具有较低“本征”维的数据集。 一个典型的例子是面部图像集：即使低分辨率图像也很快超过1e4像素，但是大约50个主成分（PC）足以实现面部图像的良好近似（Kirby和Sirovich，1990）。 尽管PCA通常可以用很少的PC来提供很好的近似值，但是每个组件通常都是数据所有特征的线性组合。 增强主轴（PA）的稀疏性有助于识别相关特征，因此是一种无监督的特征选择方法。 在与每个包含的功能（例如财务交易成本）相关联的固定罚款的应用中，PC的方差很小，而PA的基数大大降低的情况下，这可能会导致整体上更理想的解决方案。 强制使用PA的非负性可使PCA适用于仅认为特征具有积极影响的领域，即总方差可加以
【文件预览】：
nsprcomp-master
----.gitignore(19B)
----NAMESPACE(390B)
----R()
--------peav.R(3KB)
--------asdev.R(5KB)
--------normv.R(687B)
--------nsprcomp-package.r(90B)
--------cardinality.R(954B)
--------nscumcomp.R(14KB)
--------nsprcomp.R(15KB)
----.Rbuildignore(19B)
----man()
--------peav.Rd(2KB)
--------asdev.Rd(3KB)
--------nscumcomp.Rd(7KB)
--------nsprcomp.Rd(9KB)
--------cardinality.Rd(409B)
----README.md(6KB)
----tests()
--------run-all.R(738B)
--------testthat()
----inst()
--------atexample()
--------CITATION(383B)
----DESCRIPTION(2KB)