私は、PCAとSVDを数学的に計算する方法を知っています。そして、両方が線形最小二乗回帰に適用できることを知っています。
SVDの主な利点は、数学的には、非正方行列に適用できることです。
どちらも行列の分解に焦点を当てています。前述のSVDの利点以外に、PCAよりもSVDを使用することで得られる追加の利点や洞察はありますか?
数学的な違いではなく、直感を本当に探しています。
不明確で申し訳ありません。PCAを使用して導出されたリッジ型推定器と、SVDを使用して導出されたリッジ型推定器があります。モデルのセットアップ方法には違いがあります。つまり、モデルが使用する事前情報の条件です。しかし、それらは同じ著者によって書かれています。私はそれらの違いを理解しようとしていますが、彼が分析の基礎としてPCA対SVDを使用する理由を理解しようとしていました。おそらくarbitrary意的でしたが、長所と短所を理解できれば助かります。これまでのところ、SVDは数値的に安定している傾向があるPCAを実行するための単なる方法であると思われます。
—
バズ14年
それは問題ありませんが、SVDを使用しても問題に関する追加の計量経済学的洞察/直感が得られるのではないかと思いました。
—
バズ14年
計量経済学に特に焦点を当てたい場合は、質問でそれを詳しく説明し、その理由を説明する必要があると思います。とにかくまったく異なる種類の獣であるSVDとPCAの議論が、計量経済学と統計科学の他の分野とでは異なることはわかりません。
—
ニックコックス14年
@Baz:「これまでのところ、SVDは数値的に安定している傾向があるPCAを実行する方法に過ぎないようです」 -[この文脈では]まったく正しいです、はい。
—
アメーバは2014
advantage... SVD over PCA
-svdとPCAは、数学的操作およびデータ分析方法として比較できません。あなたの質問はPCAを行う方法について何かありますか?または何を求めていますか?