eigenvalues पर टैग किए गए जवाब

आज के पैटर्न मान्यता वर्ग में मेरे प्रोफेसर ने PCA, eigenvectors और eigenvalues ​​के बारे में बात की। मुझे इसका गणित समझ में आया। अगर मुझे आइजनवेल्स आदि खोजने के लिए कहा जाए तो मैं इसे मशीन की तरह सही तरीके से करूंगा। लेकिन मुझे यह समझ में नहीं आया …

975 pca  intuition  eigenvalues  canonical-question 

मैं सहसंबंध या सहसंयोजक मैट्रिक्स के सकारात्मक अर्ध-निश्चित संपत्ति के अर्थ पर शोध कर रहा हूं। मैं किसी भी जानकारी के लिए देख रहा हूँ सकारात्मक अर्ध-परिभाषा की परिभाषा; इसके महत्वपूर्ण गुण, व्यावहारिक निहितार्थ; नकारात्मक निर्धारक होने का परिणाम, बहुभिन्नरूपी विश्लेषण या सिमुलेशन परिणाम आदि पर प्रभाव।

34 covariance-matrix  eigenvalues  determinant  correlation-matrix 

मुझे एक अजीब सवाल मिला जब मैं कुछ उत्तल अनुकूलन का प्रयोग कर रहा था। प्रश्न है: मान लें कि मैं अनियमित रूप से (मानक सामान्य वितरण कहता हूं) एक सममित मैट्रिक्स उत्पन्न करता है, (उदाहरण के लिए, मैं ऊपरी त्रिकोणीय मैट्रिक्स उत्पन्न करता हूं, और यह सुनिश्चित करने के …

32 probability  matrix  random-generation  eigenvalues  random-matrix 

PCA के लिए आपका डेटा केंद्रित (या de-meaning) क्या अंतर करता है? मैंने सुना है कि यह गणित को आसान बनाता है या यह पहला पीसी को चर के माध्यम से हावी होने से रोकता है, लेकिन मुझे लगता है कि मैं अभी तक अवधारणा को मजबूती से समझने में …

30 r  pca  svd  eigenvalues  centering 

मैं एंड्रयू एनए के कसेरा कोर्स और अन्य सामग्रियों से पीसीए का अध्ययन कर रहा हूं। स्टैनफोर्ड एनएलपी कोर्स cs224n के पहले असाइनमेंट में , और एंड्रयू एनजी से लेक्चर वीडियो में , वे कोविरियन मैट्रिक्स के ईजेन्वेक्टर अपघटन के बजाय एकवचन मूल्य अपघटन करते हैं, और एनजी यहां तक …

29 pca  linear-algebra  svd  eigenvalues  numerics 

पीसीए में, जब आयामों की संख्या ( N के बराबर या उससे अधिक) के नमूनों की संख्या N से अधिक है , तो ऐसा क्यों है कि आपके पास अधिकांश N - 1 गैर-शून्य eigenvectors होंगे? दूसरे शब्दों में, लोगों के बीच सहप्रसरण मैट्रिक्स के पद घ ≥ एन आयाम …

22 pca  dimensionality-reduction  eigenvalues 

जब कोवरियन मैट्रिक्स के आइजनवेक्टरों को देखते हैं, तो हमें अधिकतम विचरण की दिशाएँ मिलती हैं (पहला ईजनवेक्टर वह दिशा है जिसमें डेटा सबसे भिन्न होता है, आदि); इसे प्रधान घटक विश्लेषण (PCA) कहा जाता है। मैं सोच रहा था कि आपसी सूचना मैट्रिक्स के eigenvectors / मूल्यों को देखने …

14 pca  entropy  mutual-information  eigenvalues 

मेरा प्रश्न एक अभिकलन तकनीक में शोषण से संबंधित है geoR:::.negloglik.GRFया geoR:::solve.geoR। एक रैखिक मिश्रित मॉडल सेटअप में: जहां और क्रमशः तय और यादृच्छिक प्रभाव हैं। इसके अलावा,Y=Xβ+Zb+eY=Xβ+Zb+e Y=X\beta+Zb+e ββ\betabbbΣ=cov(Y)Σ=cov(Y)\Sigma=\text{cov}(Y) प्रभावों का आकलन करते समय, गणना करने की आवश्यकता होती है जो सामान्य रूप से कुछ का उपयोग करके किया …

13 r  eigenvalues  matrix-decomposition  matrix-inverse  cholesky 

मैं एक विरल / गैपी डेटा सेट के आधार पर एक सहसंयोजक मैट्रिक्स को विघटित करने की कोशिश कर रहा हूं। मैं देख रहा हूँ कि लैम्ब्डा (समझाया गया विचरण) का योग, जैसा कि गणना svdकी जा रही है, तेजी से गप्पी डेटा के साथ प्रवर्धित किया जा रहा है। …

12 r  svd  eigenvalues 

मैं यहाँ पियरसन सहसंबंधों के बारे में बात कर रहा हूँ। मैंने अक्सर यह कहा है कि सभी सहसंबंध परिपक्व सकारात्मक सकारात्मक होना चाहिए। मेरी समझ यह है कि सकारात्मक निश्चित मैट्रिक्स में eigenvalues होना चाहिए , जबकि सकारात्मक semidefinite matrices में eigenvalues होना चाहिए । इससे मुझे लगता है …

11 covariance-matrix  eigenvalues  correlation-matrix 

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 

बहुत सी सांख्यिकी पाठ्यपुस्तक एक सहज मैट्रिक्स के आइजनवेक्टर क्या हैं, का एक सहज चित्रण प्रदान करती हैं: वैक्टर यू और ज़ेड ईजेनवेक्टर (अच्छी तरह से, आइगेनैक्स) बनाते हैं। यह समझ में आता है। लेकिन एक चीज जो मुझे भ्रमित करती है, वह यह है कि हम ईजनवेक्टरों को सहसंबंध …

10 correlation  pca  covariance-matrix  eigenvalues 

मैं एमआरआई डेटा पर एक मैटलैब विश्लेषण कर रहा हूं जहां मैंने पीसीए को मैट्रिक्स आकार 10304x236 पर प्रदर्शन किया है जहां 10304 वॉक्सल्स की संख्या है (उन्हें पिक्सेल के रूप में सोचो) और 236 टाइमपॉइंट की संख्या है। पीसीए मुझे 236 ईजेंवल और उनके संबंधित गुणांक देता है। यह …

10 pca  eigenvalues  neuroimaging 

मैं हाथ से SVD करने की कोशिश कर रहा हूँ: m<-matrix(c(1,0,1,2,1,1,1,0,0),byrow=TRUE,nrow=3) U=eigen(m%*%t(m))$vector V=eigen(t(m)%*%m)$vector D=sqrt(diag(eigen(m%*%t(m))$values)) U1=svd(m)$u V1=svd(m)$v D1=diag(svd(m)$d) U1%*%D1%*%t(V1) U%*%D%*%t(V) लेकिन अंतिम पंक्ति mवापस नहीं आती है। क्यों? ऐसा लगता है कि इन eigenvectors के संकेतों के साथ कुछ करना है ... या क्या मैंने इस प्रक्रिया को गलत समझा?

9 r  svd  eigenvalues 

पहले मुख्य घटक (एस) और सहसंबंध मैट्रिक्स में औसत सहसंबंध के बीच क्या संबंध है? उदाहरण के लिए, एक अनुभवजन्य अनुप्रयोग में मैं यह देखता हूं कि औसत सहसंबंध कुल प्रिंसिपल (पहले eigenvalue) के कुल विचरण (सभी eigenvalues ​​का योग) के विचरण के अनुपात के समान है। क्या कोई गणितीय …

9 correlation  pca  mathematical-statistics  eigenvalues