PCA 用 correlation or covariance比较 基本上我有爬文,也知道他是如何运算的 可以知道当尺度相同的时候用covariance所丢失的讯息量会最少 我的尺度相同故我先用covariance 计算得到的结果可以发现的确3个轴加起来约90% 这时候发现这些资料依照’’地区’’来区分可以明显的分群 但如果依照种类却结果并不是很好 接着我也做了correlation 发现资料丢失量的确满多的 前三个加起来能解释约66% 也很神奇地发现 使用correlation的方式可以依照’’种类’’来区隔开 想问一下各位 这样可以两种资料都用来讨论吗?? 因为covariance可以漂亮的分出’’地区’’无法分出’’种类’’ 但是相反correlation可以漂亮的分出’’种类’’，却无法分出’’地区’’ https://i.imgur.com/r7H2zFX.jpg 左上-correlation-地区 右上-covariance-地区(good) 左下-correlation-种类(good) 右下-covariance-种类 还有如果两个都可以解释的话,会造成这麽刚好也是有可能的吗?? 会造成这样的原因是因为?? 有点想不透 要怎麽跟人解释资料量变少反而有一个可以变很漂亮… --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 114.137.1.213 ※ 文章网址: https://webptt.com/cn.aspx?n=bbs/Statistics/M.1520259993.A.E85.html