सांख्यिकी और बिग डेटा dimensionality-reduction

1

मैं निम्न-श्रेणी कर्नेल aproximation के लिए Nyström विधि के बारे में पढ़ रहा हूं। इस पद्धति को स्किकिट-लर्न [1] में लागू किया गया है, जो कि डेटा सैंपल को कर्नेल फीचर मैपिंग के निम्न-श्रेणी के सन्निकटन के रूप में पेश करता है। मेरे ज्ञान के सर्वश्रेष्ठ के लिए, एक प्रशिक्षण …

12 scikit-learn dimensionality-reduction kernel-trick nonlinear

4

ऑटोएन्कोडर्स और टी-एसएनई के बीच अंतर क्या हैं?

जहाँ तक मुझे पता है, दोनों ऑटोएन्कोडर्स और टी-एसएनई का उपयोग नॉनलाइनियर डायनेमिटी में कमी के लिए किया जाता है। उनके बीच क्या अंतर हैं और मुझे एक बनाम दूसरे का उपयोग क्यों करना चाहिए?

12 neural-networks deep-learning dimensionality-reduction autoencoders tsne

3

क्या किसी डेटा सेट की आयामीता में कोई कमी है जहां सभी चर लगभग ऑर्थोगोनल हैं?

मान लीजिए कि मेरे पास एक -डायमेंशनल डेटा सेट है जहां आयाम मोटे तौर पर ऑर्थोगोनल हैं (सहसंबंध शून्य हैं)।एनएनNNएनNN क्या इसके संदर्भ में कोई उपयोगिता है: दृश्य प्रतिनिधित्व (वर्गीकरण दक्षता के लिए) या अन्य मापदंड डेटा पर आयामी कमी करने के लिए?

11 pca dimensionality-reduction

8

उच्च आयामी डेटा की कल्पना करना

मेरे पास दो वर्गों के नमूने हैं जो उच्च आयामी स्थान में वैक्टर हैं और मैं उन्हें 2 डी या 3 डी में प्लॉट करना चाहता हूं। मैं आयामीता में कमी की तकनीकों के बारे में जानता हूं, लेकिन मुझे टूल (मैटलैब, अजगर या प्रीबील्ट .exe में) का उपयोग करने …

11 data-visualization matlab python dimensionality-reduction

3

कारक विश्लेषण की धारणाएं क्या हैं?

मैं जांचना चाहता हूं कि क्या मैं वास्तव में [क्लासिक, रैखिक] कारक विश्लेषण (एफए) को समझ गया हूं , विशेष रूप से ऐसी धारणाएं जो एफए (और संभवतः बाद में) एफए से पहले बनी हैं। कुछ डेटा को शुरू में सहसंबद्ध किया जाना चाहिए और उनके बीच एक संभावित रैखिक …

11 correlation factor-analysis assumptions dimensionality-reduction

2

प्रतिगमन के प्रयोजनों के लिए भविष्यवाणियों की आयामीता को कम करने का क्या फायदा है?

पारंपरिक रिग्रेशन तकनीकों (किसी भी आयामी कमी के बिना) पर डायमेंशन रिडक्शन रिग्रेशन (डीआरआर) या सुपरवाइज्ड डायमेंशन रिडक्शन (एसडीआर) तकनीकों के अनुप्रयोग या फायदे क्या हैं ? तकनीक के इन वर्ग को प्रतिगमन समस्या के लिए निर्धारित सुविधा का निम्न-आयामी प्रतिनिधित्व मिलता है। इस तरह की तकनीकों के उदाहरणों में …

11 regression machine-learning pca dimensionality-reduction

7

देशों के प्रकारों की पहचान करने के लिए डेटा घटाने की तकनीक

मैं एक परिचयात्मक आर्थिक भूगोल पाठ्यक्रम पढ़ाता हूं। मेरे छात्रों को समकालीन विश्व अर्थव्यवस्था में पाए जाने वाले देशों के प्रकारों की बेहतर समझ और डेटा कटौती तकनीकों की सराहना करने में मदद करने के लिए, मैं एक ऐसे असाइनमेंट का निर्माण करना चाहता हूं, जो विभिन्न प्रकार के देशों …

11 pca factor-analysis dimensionality-reduction

2

आयामों को कम करने के लिए टी-एसएनई के मापदंडों का निर्धारण कैसे करें?

मैं शब्द एम्बेडिंग के लिए बहुत नया हूँ। मैं कल्पना करना चाहता हूं कि दस्तावेज सीखने के बाद कैसे दिख रहे हैं। मैंने पढ़ा कि t-SNE इसे करने का तरीका है। मेरे पास एम्बेडिंग के आकार के रूप में 250 आयामों के साथ 100K दस्तावेज़ हैं। कई पैकेज भी उपलब्ध …

11 pca dimensionality-reduction word2vec word-embeddings tsne

3

पहला मुख्य घटक अलग-अलग कक्षाएं नहीं करता है, लेकिन अन्य पीसी करते हैं; वो कैसे संभव है?

मैंने पीसीए को 17 मात्रात्मक चर पर चलाया, ताकि चर का एक छोटा सेट प्राप्त किया जा सके, जो कि प्रमुख घटक हैं, जिसका उपयोग दो वर्गों में वर्गीकरण उदाहरणों के लिए पर्यवेक्षित मशीन सीखने में किया जाता है। PCA के बाद डेटा में विचरण के 31% के लिए PC1 …

11 machine-learning classification pca dimensionality-reduction

2

पीसीए प्रक्षेपण के कुल विचरण को अधिकतम क्यों करता है?

क्रिस्टोफर बिशप ने अपनी पुस्तक पैटर्न रिकॉग्निशन एंड मशीन लर्निंग इन ए प्रूफ में लिखा है , कि डेटा को पहले से चुने गए घटकों को ऑर्थोगोनल स्पेस में पेश किए जाने के बाद प्रत्येक लगातार प्रमुख घटक प्रक्षेपण के विचरण को अधिकतम करता है। दूसरे भी ऐसे ही प्रमाण …

11 machine-learning variance pca dimensionality-reduction eigenvalues

4

"यादृच्छिक प्रक्षेपण" सख्ती से एक प्रक्षेपण नहीं बोल रहा है?

रैंडम प्रक्षेपण एल्गोरिथ्म के वर्तमान कार्यान्वयन उन लोगों से मैप करके डेटा के नमूनों की आयामी स्वरूप को कम करने के लिए एक का उपयोग कर प्रक्षेपण मैट्रिक्स जिसकी प्रविष्टियों से उदाहरण के लिए एक उपयुक्त वितरण (से आईआईडी कर रहे हैं ):आरघRd\mathbb R^dआरकRk\mathbb R^kघ× केd×kd\times kआरRRएन( 0 , 1 …

10 terminology dimensionality-reduction linear-algebra random-projection

3

आप वर्गीकरण में एलडीए के बजाय पीसीए का उपयोग कब करेंगे?

मैं इस लेख को प्रिंसिपल कंपोनेंट एनालिसिस और मल्टीपल डिस्क्रिमिनेंट एनालिसिस (रैखिक डिस्क्रिमिनेंट एनालिसिस) के बीच के अंतर पर पढ़ रहा हूँ , और मैं यह समझने की कोशिश कर रहा हूँ कि आप एमडीए / एलडीए के बजाय कभी पीसीए का उपयोग क्यों करेंगे। विवरण इस प्रकार संक्षेप में …

10 classification pca dimensionality-reduction discriminant-analysis

1

क्या बड़े पैमाने पर पीसीए भी संभव है?

प्रिंसिपल कंपोनेंट एनालिसिस '(PCA) क्लासिकल तरीके से इसे इनपुट डेटा मैट्रिक्स पर किया जाता है, जिसमें कॉलम का मतलब शून्य होता है (तब PCA "वेरिएंट को अधिकतम कर सकता है")। इसे स्तंभों को केंद्रित करके आसानी से प्राप्त किया जा सकता है। हॉवेनवर, जब इनपुट मैट्रिक्स विरल होता है, तो …

10 pca algorithms dimensionality-reduction large-data sparse

1

t-SNE मिश्रित निरंतर और बाइनरी चर के साथ

मैं वर्तमान में टी-एसएनई का उपयोग करके उच्च-आयामी डेटा के दृश्य की जांच कर रहा हूं। मेरे पास मिश्रित बाइनरी और निरंतर चर के साथ कुछ डेटा है और डेटा बाइनरी डेटा को बहुत आसानी से क्लस्टर करने के लिए प्रकट होता है। बेशक यह स्केल (0 और 1 के …

10 python dimensionality-reduction unsupervised-learning tsne mixed-type-data

1

रेखीय प्रतिगमन श्रेणीगत चर "छिपा हुआ" मान

यह सिर्फ एक उदाहरण है कि मैं कई बार आया हूं, इसलिए मेरे पास कोई नमूना डेटा नहीं है। R में एक रैखिक प्रतिगमन मॉडल चलाना: a.lm = lm(Y ~ x1 + x2) x1एक सतत चर है। x2श्रेणीबद्ध है और इसके तीन मान हैं "उदा", "मध्यम" और "उच्च"। हालाँकि R …

10 r regression categorical-data regression-coefficients categorical-encoding machine-learning random-forest anova spss r self-study bootstrap monte-carlo r multiple-regression partitioning neural-networks normalization machine-learning svm kernel-trick self-study survival cox-model repeated-measures survey likert correlation variance sampling meta-analysis anova independence sample assumptions bayesian covariance r regression time-series mathematical-statistics graphical-model machine-learning linear-model kernel-trick linear-algebra self-study moments function correlation spss probability confidence-interval sampling mean population r generalized-linear-model prediction offset data-visualization clustering sas cart binning sas logistic causality regression self-study standard-error r distributions r regression time-series multiple-regression python chi-squared independence sample clustering data-mining rapidminer probability stochastic-processes clustering binary-data dimensionality-reduction svd correspondence-analysis data-visualization excel c# hypothesis-testing econometrics survey rating composite regression least-squares mcmc markov-process kullback-leibler convergence predictive-models r regression anova confidence-interval survival cox-model hazard normal-distribution autoregressive mixed-model r mixed-model sas hypothesis-testing mediation interaction

dimensionality-reduction पर टैग किए गए जवाब