Hi,
versuche der Zeit die PCA zu verstehen. Vorerst muss ich die einzelnen
Rechenschritte die zur Erstellung des score plots oder anderer Plots
nötig sind nicht 100% verstehen. So ungefähr weiss ich was berechnet wird.
Mir geht es im mom. eher um die Interpretation.
Jede Hauptkomponenten ist ja eine Linearkombination aller
unabhängiger Variablen. Das heisst ja, ich kann nicht spontan sagen
dass die erste Hauptkomponenten iz.B. die Größe, das Gewicht oder
die Schuhgröße eines Menschen ist. Genau so wenig also für die 2. Hauptkomp.
Angenommen man klassifiziert Menschen nach sagen wir 5 verschiedenen
Variablen: Größe, Gewicht, Schuhgröße, Länge der Finger und Länge des Halses.
Angesichts dieser Variablen ist es ja offensichtlich, dass sich fast alle Menschen auf Grund der ersten beiden unabh. Variablen Größe und Gewicht
unterscheiden lassen. Also angenommen ich reduziere meinen 5-dim. Raum auf 2 Dimensionen also 2 Hauptkomponenten, dann entsprechen die beiden
Hauptkomp. aber nicht wieder die Größe und Gewicht, oder doch?
Oder wie würde ich den Plot dann interpretieren.
Des Weiteren habe ich gesehen, dass es auch vektoren gibt, die sich innerhalb des Scoreplots befinden und in irgendwelche bestimmte Richtungen zeigen. Was hat es denn damit aufsich? Wären das die anderen unabh. Variablen die man so darstellt, da man ja eh nur 3 dim. darstellen kann und somit die interpretation einfacher wird?
Vielen Dank!
Gruß Mentor
