У меня есть вопрос, связанный с анализом данных и основным компонентом (PCA).Шум данных с PCA
Положение
У меня есть матрица данных, содержащий X, Y, Z совместные данные. Я применил PCA с условием сохранения 98% дисперсии. Однако даже после сокращения данные по-прежнему остаются очень шумными.
Проблема
Я провел несколько часов чтения, и я уверен в лучший подход принять. Мне нужно выполнить PCA для уменьшения размеров, однако шум, присутствующий в наборе данных, все еще вызывает несколько проблем. Мне нужен промежуточный шаг перед применением PCA для уменьшения шума, содержащегося в наборе данных. Мне сообщили, что Gaussian Smoothing может быть лучшим способом перед применением PCA.
Может ли кто-нибудь предложить лучший подход?
Редактировать Извините, что не ясно в моем вопросе.
Original data: Вот пример исходных данных. Projected: при сохранении 98% дисперсии.
Существует еще мало шума в проекции. По крайней мере, 4 очка не являются однородными при размещении.
как можно 300-х-90 по X Y Z данных? сколько у вас очков и в каком измерении? какой шум у вас есть? как вы планируете сгладить данные? вы должны предоставить дополнительную информацию ... – Shai
Не уверен, что размещение ссылок на файлы для загрузки приведет к повторному открытию вашего вопроса. – APC
Я пытался помочь в улучшении моего вопроса. Есть ли у вас какие-либо предложения о том, как я могу предоставить образцы данных? – Dan