#Principal_Component_Analysis
چند سالی است رسم شده نرمافزارها و شرکتهای سازنده آنها وارد حوزه کاری و تخصصی یکدیگر می شوند. به عنوان مثال هر وقت اسم سری زمانی Time Series میآمد ما فوراً به نرمافزار Minitab اشاره میکردیم و Minitab را یک نرمافزار سری زمانی کار میدانستیم. اما حالا میبینیم IBM SPSS نیز به خوبی وارد این حیطه شده است.
یا به عنوان مثال دیگر، از قدیم تحلیلهای مولفههای اصلی یا همان Principal Component Analysis (PCA) که با استفاده از آن به کاهش ابعاد یک مجموعه بزرگ دیتا و در عین حال حفظ تا حد امکان اطلاعات دادهها، میپرداختیم، با استفاده از SPSS انجام میشد.
با این حال به تازگی GraphPad Prism که اصولاً یک نرمافزار آزمایشگاهی و پزشکی به حساب میآید وارد مباحث PCA شده است. گراف پد معمولاً تجربه موفقی در ورود به موضوعات غیرتخصصی خودش ندارد و تحلیلهایی که در حوزه کار Prism نیست و به آن اضافه شده، چندان جالب از کار درنیامدهاند.
با همین ذهنیت من توجهی به منوی جدید PCA در گراف پد نداشتم. اما چند روزی است که بر روی آن کار میکنم، باید بگویم اشتباه میکردم. PCA در گراف پد حتی از خود SPSS نیز بهتر است و علاوه بر تحلیلهای کلاسیک PCA، روشی جدید با نام Parallel analysis ابداع کرده است که بر مبنای شبیهسازی با تعداد بسیار بالا بر روی دادهها، انجام میشود. نتایج به دست آمده از آن نیز نسبت به سایر روشهای معمول PCA دقیقتر است.
من در لینک زیر به بیان تحلیل مولفههای اصلی Principal Component Analysis (PCA) با استفاده از نرمافزار GraphPad Prism پرداختهام. علاقمند بودید، آن را ببینید.
https://graphpad.ir/principal-component-analysis-prism/
چند سالی است رسم شده نرمافزارها و شرکتهای سازنده آنها وارد حوزه کاری و تخصصی یکدیگر می شوند. به عنوان مثال هر وقت اسم سری زمانی Time Series میآمد ما فوراً به نرمافزار Minitab اشاره میکردیم و Minitab را یک نرمافزار سری زمانی کار میدانستیم. اما حالا میبینیم IBM SPSS نیز به خوبی وارد این حیطه شده است.
یا به عنوان مثال دیگر، از قدیم تحلیلهای مولفههای اصلی یا همان Principal Component Analysis (PCA) که با استفاده از آن به کاهش ابعاد یک مجموعه بزرگ دیتا و در عین حال حفظ تا حد امکان اطلاعات دادهها، میپرداختیم، با استفاده از SPSS انجام میشد.
با این حال به تازگی GraphPad Prism که اصولاً یک نرمافزار آزمایشگاهی و پزشکی به حساب میآید وارد مباحث PCA شده است. گراف پد معمولاً تجربه موفقی در ورود به موضوعات غیرتخصصی خودش ندارد و تحلیلهایی که در حوزه کار Prism نیست و به آن اضافه شده، چندان جالب از کار درنیامدهاند.
با همین ذهنیت من توجهی به منوی جدید PCA در گراف پد نداشتم. اما چند روزی است که بر روی آن کار میکنم، باید بگویم اشتباه میکردم. PCA در گراف پد حتی از خود SPSS نیز بهتر است و علاوه بر تحلیلهای کلاسیک PCA، روشی جدید با نام Parallel analysis ابداع کرده است که بر مبنای شبیهسازی با تعداد بسیار بالا بر روی دادهها، انجام میشود. نتایج به دست آمده از آن نیز نسبت به سایر روشهای معمول PCA دقیقتر است.
من در لینک زیر به بیان تحلیل مولفههای اصلی Principal Component Analysis (PCA) با استفاده از نرمافزار GraphPad Prism پرداختهام. علاقمند بودید، آن را ببینید.
https://graphpad.ir/principal-component-analysis-prism/