dimensionality-reduction पर टैग किए गए जवाब

प्रिंसिपल कंपोनेंट एनालिसिस (पीसीए) को आमतौर पर कोवरियन मैट्रिक्स के एक ईजन-अपघटन के माध्यम से समझाया जाता है। हालाँकि, यह डेटा मैट्रिक्स एकवचन मान अपघटन (SVD) के माध्यम से भी किया जा सकता है । यह कैसे काम करता है? इन दोनों दृष्टिकोणों के बीच क्या संबंध है? एसवीडी और …

351 pca  dimensionality-reduction  matrix  svd 

प्रिंसिपल कंपोनेंट एनालिसिस (पीसीए) का इस्तेमाल डायमेंशन की कमी के लिए किया जा सकता है। इस तरह की आयामीता में कमी करने के बाद, मूल घटकों / विशेषताओं को कम संख्या में प्रमुख घटकों से कैसे पुन: निर्मित किया जा सकता है? वैकल्पिक रूप से, कोई डेटा से कई प्रमुख …

113 pca  dimensionality-reduction  svd 

मैंने कई बार आयामीता के अभिशाप के बारे में सुना, लेकिन किसी तरह मैं अभी भी इस विचार को समझ नहीं पा रहा हूं, यह सब धूमिल है। क्या कोई इसे सबसे सहज तरीके से समझा सकता है, जैसा कि आप इसे एक बच्चे को समझाएंगे, ताकि मैं (और मैं …

91 machine-learning  dimensionality-reduction  high-dimensional 

सामान्य तौर पर, यह कहने का क्या मतलब है कि पीसीए जैसे विश्लेषण में भिन्नता का अंश पहले प्रमुख घटक द्वारा समझाया गया है? क्या कोई इसे सहज रूप से समझा सकता है, लेकिन प्रमुख घटक विश्लेषण (पीसीए) के संदर्भ में "विचरण समझाया" का एक सटीक गणितीय परिभाषा दे सकता …

90 regression  pca  linear-model  dimensionality-reduction 

मैं ZCA वाइटनिंग और सामान्य श्वेतकरण के बारे में उलझन में हूं (जो कि पीसीए eigenvalval के वर्गमूल द्वारा प्रमुख घटकों को विभाजित करके प्राप्त किया जाता है)। जहाँ तक मुझे पता है, UxZCAwhite=UxPCAwhite,xZCAwhite=UxPCAwhite,\mathbf x_\mathrm{ZCAwhite} = \mathbf U \mathbf x_\mathrm{PCAwhite}, जहां PCA eigenvectors हैं।UU\mathbf U जेडसीए व्हाइटनिंग के उपयोग क्या …

59 pca  dimensionality-reduction  image-processing 

सांख्यिकीय मॉडल में एक इनपुट (भविष्यवक्ता) के रूप में उपयोग करने के उद्देश्य से कुछ श्रेणियों को कुछ श्रेणियों को ढहने (या पूलिंग) के लिए क्या तकनीक उपलब्ध है? कॉलेज के छात्र प्रमुख (एक स्नातक छात्र द्वारा चुना गया अनुशासन) जैसे एक चर पर विचार करें । यह अनियंत्रित और …

58 regression  categorical-data  dimensionality-reduction  feature-construction  many-categories 

मैं उच्च आदेश प्रणालियों की गतिशीलता को कम करना चाहता हूं और अधिकांश कोवरियन को अधिमानतः 2 आयामी या 1 आयामी क्षेत्र पर कब्जा करना चाहता हूं। मैं समझता हूं कि यह प्रमुख घटक विश्लेषण के माध्यम से किया जा सकता है, और मैंने कई परिदृश्यों में पीसीए का उपयोग …

38 pca  data-visualization  binary-data  dimensionality-reduction  correspondence-analysis 

लेखकों में से एक से उद्धरण: टी-डिस्ट्रिब्यूटेड स्टॉचस्टिक नेबर एंबेडिंग (टी-एसएनई) आयामीता में कमी के लिए एक ( पुरस्कार विजेता ) तकनीक है जो विशेष रूप से उच्च-आयामी डेटासेट के विज़ुअलाइज़ेशन के लिए अनुकूल है। तो यह बहुत अच्छा लगता है, लेकिन यह लेखक की बात कर रहा है। लेखक …

37 data-visualization  dimensionality-reduction  tsne 

एक हालिया असाइनमेंट में, हमें कहा गया था कि पीसीए का उपयोग एमएनआईएसटी अंकों पर 64 (8 x 8 चित्र) से आयामों को कम करने के लिए 2. हम फिर एक गाऊसी मिक्सचर मॉडल का उपयोग करके अंकों को क्लस्टर करना था। पीसीए केवल 2 प्रमुख घटकों का उपयोग करके …

34 classification  clustering  pca  dimensionality-reduction  tsne 

मेरे सवाल कारक विश्लेषण (या पीसीए में घटकों) में कारकों के रोटेशन करने के पीछे सहज कारण क्या है? मेरी समझ यह है, यदि चर शीर्ष घटकों (या कारकों) में लगभग समान रूप से लोड होते हैं तो जाहिर है कि घटकों को अलग करना मुश्किल है। तो इस मामले …

33 pca  interpretation  factor-analysis  dimensionality-reduction  factor-rotation 

पृष्ठभूमि : मैं किसी शहर के आवासीय क्षेत्रों को उनकी सामाजिक-आर्थिक विशेषताओं के आधार पर समूहों में वर्गीकृत करना चाहता हूं, जिसमें आवास इकाई घनत्व, जनसंख्या घनत्व, हरा अंतरिक्ष क्षेत्र, आवास मूल्य, स्कूलों की संख्या / स्वास्थ्य केंद्र / दिन देखभाल केंद्र आदि शामिल हैं। मैं यह समझना चाहता हूं …

32 clustering  pca  k-means  dimensionality-reduction 

/ संपादित करें: आगे का अनुसरण करें अब आप irlba :: prcomp_irlba का उपयोग कर सकते हैं / संपादित करें: मेरी अपनी पोस्ट पर चल रहा है। irlbaअब "केंद्र" और "पैमाने" तर्क हैं, जो आपको सिद्धांत घटकों की गणना करने के लिए इसका उपयोग करते हैं, उदाहरण के लिए: pc …

31 r  pca  dimensionality-reduction  svd  matrix-decomposition 

मैं अपनी समस्या को एक उदाहरण से समझाता हूँ। मान लीजिए कि आप किसी व्यक्ति की आय का अनुमान लगाना चाहते हैं, जो कुछ विशेषताएं बताती है: {आयु, लिंग, देश, क्षेत्र, शहर}। आपके पास एक प्रशिक्षण डाटासेट है train <- data.frame(CountryID=c(1,1,1,1, 2,2,2,2, 3,3,3,3), RegionID=c(1,1,1,2, 3,3,4,4, 5,5,5,5), CityID=c(1,1,2,3, 4,5,6,6, 7,7,7,8), Age=c(23,48,62,63, …

29 regression  machine-learning  multilevel-analysis  correlation  dataset  spatial  paired-comparisons  cross-correlation  clustering  aic  bic  dependent-variable  k-means  mean  standard-error  measurement-error  errors-in-variables  regression  multiple-regression  pca  linear-model  dimensionality-reduction  machine-learning  neural-networks  deep-learning  conv-neural-network  computer-vision  clustering  spss  r  weighted-data  wilcoxon-signed-rank  bayesian  hierarchical-bayesian  bugs  stan  distributions  categorical-data  variance  ecology  r  survival  regression  r-squared  descriptive-statistics  cross-section  maximum-likelihood  factor-analysis  likert  r  multiple-imputation  propensity-scores  distributions  t-test  logit  probit  z-test  confidence-interval  poisson-distribution  deep-learning  conv-neural-network  residual-networks  r  survey  wilcoxon-mann-whitney  ranking  kruskal-wallis  bias  loss-functions  frequentist  decision-theory  risk  machine-learning  distributions  normal-distribution  multivariate-analysis  inference  dataset  factor-analysis  survey  multilevel-analysis  clinical-trials 

मेरे पास एक मैट्रिक्स है जहां (i, j) मुझे बताता है कि मैंने कितनी बार अलग-अलग पेज j देखा। 27K व्यक्ति और 95K पृष्ठ हैं। मैं पृष्ठों के स्थान पर "आयाम" या "पहलुओं" का एक मुट्ठी भर होना चाहूंगा जो उन पृष्ठों के सेट के अनुरूप होगा जो अक्सर एक …

28 r  clustering  dimensionality-reduction 

मैं scikit-learnमशीन लर्निंग लाइब्रेरी (Python) से रैखिक डिस्क्रिमिनेटर एनालिसिस (LDA) का उपयोग आयामी कमी के लिए कर रहा था और परिणामों के बारे में थोड़ा उत्सुक था। मैं अब सोच रहा हूं कि एलडीए क्या scikit-learnकर रहा है ताकि परिणाम अलग दिखें, उदाहरण के लिए, आर में किया गया एक …

26 python  scikit-learn  dimensionality-reduction  discriminant-analysis  svd