Rankings and Preferences: New Results in Weighted Correlation and Weighted Principal Component Analysis with Applications

این کتاب به طور مفصل به بررسی همبستگی، به طور دقیق تر همبستگی وزنی و کاربردهای مربوط به رتبه بندی می پردازد. یک کاربرد کلی، ارزیابی روش‌های پیش‌بینی رتبه‌بندی است. برخی دیگر شامل رتبه‌بندی‌هایی هستند که نشان‌دهنده ترجیحات انسانی برای استنباط ترجیحات کاربر هستند. استفاده از همبستگی وزنی با داده های ریزآرایه و آنهایی که در حوزه سری های زمانی هستند. در این کتاب ما ضرایب همبستگی وزنی جدید و روش‌های جدید تحلیل مؤلفه‌های اصلی وزنی را ارائه می‌کنیم.

همچنین روش‌های جدیدی برای کاهش ابعاد و خوشه‌بندی برای داده‌های سری زمانی معرفی می‌کنیم و برخی از نتایج نظری را در مورد ضرایب همبستگی وزنی در آن شرح می‌دهیم. بخش های جداگانه.

This book examines in detail the correlation, more precisely the weighted correlation and applications involving rankings. A general application is the evaluation of methods to predict rankings. Others involve rankings representing human preferences to infer user preferences; the use of weighted correlation with microarray data and those in the domain of time series. In this book we present new weighted correlation coefficients and new methods of weighted principal component analysis.

We also introduce new methods of dimension reduction and clustering for time series data and describe some theoretical results on the weighted correlation coefficients in separate sections.