Utilize este identificador para referenciar este registo: http://hdl.handle.net/10773/32548
Título: CDPCA: 10 years after
Autor: Freitas, Adelaide
Palavras-chave: Clustering
Sparse principal components analysis
Data: Fev-2021
Editora: Sociedade Portuguesa de Estatística
Resumo: Clustering and Disjoint Principal Component Analysis (CDPCA) is a constrained principal component analysis for multivariate numerical data. The main goal is to detect clusters of objects and, simultaneously, to fi nd a partitioning of variables such that the between cluster deviance in the reduced space of such partition is maximized. The partition formed by a disjoint set of the original variables identifi es the groups of variables belonging to the CDPCA components. Recently, this methodology has been implemented in a R-function called CDpca. In this work, we review some theoretical issues of the CDPCA model and present two applications on real data sets using the R-function CDpca.
Peer review: yes
URI: http://hdl.handle.net/10773/32548
ISBN: 978-972-8890-47-6
Versão do Editor: https://www.spestatistica.pt/pt/publicacoes/publicacao/estatistica-desafios-transversais-ciencias-com-dados
Aparece nas coleções: CIDMA - Capítulo de livro
DMat - Capítulo de livro
PSG - Capítulo de livro

Ficheiros deste registo:
Ficheiro Descrição TamanhoFormato 
2021Freitas2021_CDPCA_10 years after.pdf386.9 kBAdobe PDFVer/Abrir


FacebookTwitterLinkedIn
Formato BibTex MendeleyEndnote Degois 

Todos os registos no repositório estão protegidos por leis de copyright, com todos os direitos reservados.