L action fastIca effectue un blanchiment (whitening) des données en amont via une analyse en composantes principales. Le paramètre eigenThreshold permet de définir un seuil de tolérance pour les valeurs propres. Si la proportion de varianceMesure statistique de la dispersion des données indiquant l'écart carré moyen par rapport à la moyenne. Une variance élevée traduit une grande hétérogénéité des observations autour du centre. expliquée par une valeur propre est inférieure à ce seuil, la composante correspondante est éliminée. Cela permet de filtrer efficacement le bruit de fond et les redondances avant même de commencer l extraction des sources indépendantes.
Comment le paramètre eigenThreshold aide-t-il à nettoyer le bruit de vos données massives ?
Exemples pour l'action fastIca
Analyse ICA de base
Exécute l'ICA sur deux capteurs avec les paramètres par défaut pour identifier les sources indépendantes.
Séparation de sources avec scoring et configuration avancée
Utilise la méthode symétrique (plus stable), définit une fonction de contraste spécifique et génère une table de sortie avec les variables indépendantes nommées 'Source_'.
Cette réponse vous a-t-elle aidé ?
À lire aussi...
Déflation ou Symétrie : quel mode d extraction choisir pour vos modèles prédictifs ?
Quelle est l influence du paramètre gFunction sur la détection des signaux indépendants ?
Comment l action fastIca permet-elle de séparer des sources de données complexes et mélangées ?
Peut-on personnaliser le nom des variables générées en sortie de l analyse ICA ?
Pourquoi est-il crucial de laisser le centrage et la réduction activés par défaut ?