Functional PCA/CCA

1. An Overview of fPCA 2. fPCA In R 3. fPCA Features 4. Canonical Correlation Analysis PCA는 기술통계량을 계산하거나 플롯을 그린 뒤에 할 수 있는 첫 단계가 될 수 있다. 여기서는 데이터 안에 있는 variation의 주요 형태가 무엇인지, 그리고 얼마나 의미가 있는지를 알아볼 수 있다. 다변량 통계에서 bivariate 분산ㅑ-공분산 함수 v(s,t)의 eigenvalue들이 주성분의 중요도를 알려주는 지표가 되는데, 이런 고윳값을 플롯으로 그려보는 것은 데이터를 합리적으로 표현할 때 필요한 주성분의 개수를 결정하는 방법이 된다. functional PCA에서는 각 eigenvalue에 대응되는 eigenfunction이라는 것이 존재한다. eigenfunction은 변동 요소를 설명해 줘서 중요하다. 이 함수를 이용하면 종종 functional data에 대해 어떤 지배적인 경향성을 보기 쉽게 그려낼 수 있다...

원문링크 : Functional PCA/CCA