※ 引述《sld (天佑台灣)》之銘言： : 可不可以再說清楚一點, 不大了解你的意思. 非常感謝你的回答 : ※ 引述《xpertslayers (slayers)》之銘言： : : 想請問各位了解PCA(Principal Component Analysis)的大大 : : 如果我有N 個node : : 而N 個node 互相比較產生一個N * N 的矩陣 : : 其中元素(p, q) 代表node p 跟 node q 比較的結果 : : 而為了在計算上的方便 : : 我將矩陣利用PCA 轉成 N 維向量來處理 : : 想請問在這N 維向量中的每個位置元素 : 位置元素指的意思是? 舉個例子 假如有三支球隊A ,B, C 再進行一場循環賽後 會得到三對互相比賽後的分數矩陣 而我希望能透過矩陣對每一球隊計算出一個相對應分數 而這個分數可以將這三個球隊做排序 而所以我想 比如說一個三維比較矩陣做PCA 後 轉成三維向量(X,Y, Z)後 是否X ,Y, Z 會代表node 1, 2, 3 在比較矩陣中所扮演的角色或分數 : 這每一個向量應該是你的每一個 node 的 linear combination, : v_i=a_i1*node1+a_i2*node2+... : 你的位置元素指的是 a_i1, a_i2,..., 還是這些 v_i? : : 是否能代表各node 的特性 : "代表特性"是什麼意思? 可是我發現PCA 似乎不能解決此類問題 但是後來我發現有人做過這種類似的研究 例如 Colley’s Bias Free Matrix Rankings 這剛剛好可以解決我上面所列的問題 如果有人對這方面也有研究的話 歡迎給予指教. --

※ 發信站: 批踢踢實業坊(ptt.cc) ◆ From: 140.119.162.50