使用$\alpha$-转换改进了成分数据的分类

米歇尔·查格里斯(),西蒙·普雷斯顿和安德鲁·塔·伍德

MPRA纸从德国慕尼黑大学图书馆

摘要：在成分数据分析中，观测是一个包含非负值的向量，只有其相对大小才被认为是感兴趣的。在不损失通用性的情况下，可以将组成向量视为比例向量的总和为1。这类数据出现在许多领域，包括地质学、考古学、生物学、经济学和政治学。本文研究了成分数据的分类方法。我们的方法的核心思想是使用？变换对数据进行变换，然后通过正则化判别分析和k近邻算法对变换后的数据进行分类。使用？-变换概括了成分数据分析中的两种对立方法，一种方法（当α=1时）将数据视为欧几里得的，忽略了成分约束，另一种方法是（当$\alpha$=0时）使用艾奇逊中心的对数比率变换。对几个实际数据集的数值研究表明，使用$\alpha$=1或$\alfa$=0是否能提供更好的分类性能取决于数据集，此外，使用中间值α有时比使用1或0可以提供更好的性能。

关键词： 成分数据;分类;■-转型;�-米制的;Jensen-Shannon散度（在EconPapers中搜索类似项目）
JEL代码： 第18号（在EconPapers中搜索类似项目）
日期：2016
参考文献： 查看EconPapers中的参考 从CitEc查看完整的参考列表
引文： 查看EconPapers中的引文(3)通过RSS源跟踪引文

下载内容：（外部链接）
https://mpra.ub.uni-muenchen.de/67657/1/mpra_paper_67657.pdf原始版本（application/pdf）

相关工作：
该项目可在EconPapers的其他地方获得：搜索对于具有相同标题的项目。

导出参考： BibTeX公司 RIS公司（尾注、ProCite、RefMan）HTML/文本

永久链接： https://EconPapers.repec.org/repec:pra:mprapa:67657

访问统计信息用于本文

更多论文MPRA纸张德国慕尼黑大学图书馆德国慕尼黑D-80539路德维希特拉33号。联系方式：电子数据交换中心.
约阿希姆·温特维护的系列书目数据().