Multiple factor analysis: principal component analysis for multitable and multiblock data sets

2013· review· en· 552 citations· W2094013107 sur OpenAlex· 10.1002/wics.1246

Pourquoi ce travail est-il dans la base ?

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

Affiliation canadienneUne personne signataire a déclaré un établissement canadien. C'est la seule voie dont dispose la base habituelle.

Prédiction distillée sur la base complète

Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

Catégories candidates: Méta-épidémiologie (sens strict)
Catégories consensuelles: aucune
Domaine: Signal candidat: aucuneSignal consensuel: aucune
Devis d'étude: Signal candidat: Autre devisSignal consensuel: aucune
Genre: Signal candidat: SynthèseSignal consensuel: Synthèse
Score de désaccord entre enseignants: 0,986
Score d'incertitude au seuil: 1,000
Statut de validation: machine_predicted_unvalidated · codex-gemma-dda1882f352a

Scores Codex et Gemma par catégorie

Catégorie	Codex	Gemma
Métarecherche	0,001	0,001
Méta-épidémiologie (sens strict)	0,001	0,000
Méta-épidémiologie (sens large)	0,005	0,001
Bibliométrie	0,000	0,002
Études des sciences et des technologies	0,001	0,000
Communication savante	0,000	0,000
Science ouverte	0,001	0,002
Intégrité de la recherche	0,000	0,000
Charge utile insuffisante (le modèle a refusé de juger)	0,001	0,000

Scores machine (provisoires)

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Tête enseignante Opus0,257

Tête enseignante GPT0,430

Écart entre enseignants: 0,173 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validation: score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Résumé

Abstract Multiple factor analysis (MFA, also called multiple factorial analysis) is an extension of principal component analysis (PCA) tailored to handle multiple data tables that measure sets of variables collected on the same observations, or, alternatively, (in dual‐MFA) multiple data tables where the same variables are measured on different sets of observations. MFA proceeds in two steps: First it computes a PCA of each data table and ‘normalizes’ each data table by dividing all its elements by the first singular value obtained from its PCA. Second , all the normalized data tables are aggregated into a grand data table that is analyzed via a (non‐normalized) PCA that gives a set of factor scores for the observations and loadings for the variables. In addition, MFA provides for each data table a set of partial factor scores for the observations that reflects the specific ‘view‐point’ of this data table. Interestingly, the common factor scores could be obtained by replacing the original normalized data tables by the normalized factor scores obtained from the PCA of each of these tables. In this article, we present MFA, review recent extensions, and illustrate it with a detailed example. WIREs Comput Stat 2013, 5:149–179. doi: 10.1002/wics.1246 This article is categorized under: Data: Types and Structure > Categorical Data Statistical Learning and Exploratory Methods of the Data Sciences > Exploratory Data Analysis Statistical and Graphical Methods of Data Analysis > Multivariate Analysis

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

La notice

Revue: Wiley Interdisciplinary Reviews Computational Statistics
Thématique: Sensory Analysis and Statistical Methods
Domaine: Agricultural and Biological Sciences
Établissements canadiens: Baycrest Hospital
Organismes subventionnaires: non disponible
Mots-clés: Principal component analysisCategorical variableTable (database)Exploratory data analysisData setData miningContingency tableStatisticsComputer scienceFactor analysisMathematicsExploratory factor analysisSet (abstract data type)
Résumé présent dans OpenAlex: oui
API: /api/v1/works/W2094013107