คำเหล่านี้ปรากฏในหนังสือบางเล่มเกี่ยวกับสถิติหลายตัวแปร สมมติว่าคุณมีn
บุคคลโดยp
เมทริกซ์ข้อมูลคุณสมบัติเชิงปริมาณ จากนั้นคุณสามารถพล็อตบุคคลเป็นจุดในพื้นที่ที่แกนเป็นคุณสมบัติ นั่นจะเป็นแผนการกระจายแบบคลาสสิกหรือที่เรียกว่าพล็อตพื้นที่แปรผัน เราบอกว่าเมฆของแต่ละคนครอบคลุมพื้นที่ที่กำหนดโดยคุณสมบัติแกน
คุณสามารถเข้าใจ scatterplot ได้ด้วยคะแนนที่เป็นตัวแปรและแกนของแต่ละคน อย่างแน่นอนก่อนหน้านี้เพียงหัวล้าน ที่จะเป็นเรื่องพื้นที่พล็อต (หรือพื้นที่สังเกตพล็อต) กับตัวแปรทอดมันบุคคลกำหนดมัน
โปรดทราบว่าหาก (บ่อยครั้ง) n>p
จากนั้นในกรณีที่สองมีเพียงบางส่วนเท่านั้นที่ไม่ใช่p
มิติn
ข้อมูล นั่นหมายความว่าคุณสามารถและอาจวาดp
จุดตัวแปรในp
พล็อตมิติ 1 ยิ่งไปกว่านั้นโดยปกติแล้วตัวแปรจุดเชื่อมต่อกับแหล่งกำเนิดและปรากฏเป็นเวกเตอร์ (ลูกศร) เราใช้การแสดงพื้นที่หัวเรื่องเป็นส่วนใหญ่เพื่อแสดงความสัมพันธ์ระหว่างตัวแปรดังนั้นเราจึงวางแกน - วัตถุและแสดงจุดเป็นลูกศรเพื่อความสะดวก1
หากคุณสมบัติ (คอลัมน์ของเมทริกซ์ข้อมูล) อยู่กึ่งกลางก่อนวาดพล็อตเรื่องพื้นที่แล้วโคไซน์ของมุมระหว่างตัวแปรเวกเตอร์เท่ากับเพียร์สันเพียร์สันในขณะที่เวกเตอร์ความยาวเท่ากับบรรทัดฐานของตัวแปร ) หรือค่าเบี่ยงเบนมาตรฐาน (ถ้าหารด้วยdf )
พื้นที่แปรผันและพื้นที่หัวเรื่องเป็นสองด้านของเหรียญเดียวกันพวกมันคือพื้นที่การวิเคราะห์แบบยุคลิดเดียวกัน พวกเขาแบ่งปันคุณสมบัติเดียวกันเช่นค่าลักษณะเฉพาะที่ไม่ใช่ศูนย์และ eigenvectors มันเป็นไปได้ดังนั้นพล็อตทั้งวิชาและตัวแปรเคียงข้างเป็นจุดในพื้นที่ของแกนหลัก (หรือพื้นฐานมุมฉากอื่น ๆ ) ของพื้นที่วิเคราะห์ว่า - พล็อตร่วมกันนี้เรียกว่าbiplot ฉันไม่รู้แน่ชัดว่าคำว่า "data space" หมายถึงอะไร - ถ้ามันหมายถึงบางสิ่งที่เฉพาะเจาะจงฉันก็คิดว่ามันเป็นพื้นที่การวิเคราะห์ทั่วไปที่พื้นที่หัวเรื่องและพื้นที่แปรปรวนเป็นสองส่วน
ลิงก์ท้องถิ่น:
- ภาพที่แสดงให้เห็นถึงการเป็นตัวแทนพื้นที่เรื่องขององค์ประกอบหลัก (PCA) การถดถอยเชิงเส้นและการวิเคราะห์ปัจจัยอีกถดถอย ที่เปรียบเทียบกับแบบดั้งเดิมพื้นที่ตัวแปร (scatterplot) เป็นตัวแทนของการถดถอยและ PCA
- คำอธิบายทางทฤษฎีของbiplot หนึ่งการศึกษาด้วยตนเองโครงสร้างของการอธิบายbiplot ใน PCA
- ดูโพสต์ที่พยายามคิดออกว่าใครสามารถแก้ปัญหา PCA เชิงเรขาคณิตในพล็อตเรื่องพื้นที่ (ปรากฏว่าพีซีกำหนดวงรี แต่จะหาวงรีที่ไม่ซ้ำกันได้อย่างไร)
1ลองจินตนาการว่าคุณมีn=5
บุคคลและp=2
ตัวแปรแล้วคุณก็สามารถวาด 2 จุดในพื้นที่ 5 มิติได้อย่างน่าอัศจรรย์ จากนั้นคุณสามารถหมุนพื้นที่ย่อยที่กำหนดโดย 2 แกนใด ๆ ในลักษณะที่มันฝังจุด 2 (ซึ่งจะขยายระนาบนั้นจากนี้ไป) หลังจากนั้นคุณวางแกนอีกสามแกน (ขนาด) อย่างปลอดภัยเนื่องจากไม่จำเป็น ตำแหน่งของตัวแปรสองจุดที่สัมพันธ์กันถูกรักษาไว้