matrix-decomposition पर टैग किए गए जवाब

/ 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 

मैट्रिक्स के पीसीए (या SVD) सन्निकटन को देखते हुए के साथ एक मैट्रिक्स , हम जानते हैं कि का सबसे अच्छा कम रैंक अनुमान होता है ।एक्स एक्स एक्सXXXX^X^\hat XX^X^\hat XXXX क्या यह प्रेरित मानदंड∥⋅∥2∥⋅∥2\parallel \cdot \parallel_2 (यानी सबसे बड़ा स्वदेशी मानदंड) के अनुसार या फ्रोबेनियस मानदंड के अनुसार है?∥⋅∥F∥⋅∥F\parallel …

26 pca  svd  matrix-decomposition 

यह प्रश्न प्रमुख घटकों की गणना करने के लिए एक कुशल तरीके के बारे में है। रेखीय पीसीए पर कई ग्रंथों केवेज़ डेटा के एकवचन-मूल्य अपघटन का उपयोग करने की वकालत करते हैं । है यही कारण है, अगर हम डेटा है और चर (अपने को बदलना चाहते कॉलम प्रमुख …

22 pca  algorithms  svd  matrix-decomposition 

मुझे मैट्रिक्स व्युत्क्रम की गणना करने की आवश्यकता है और solveफ़ंक्शन का उपयोग कर रहा है। जबकि यह छोटे मेट्रिसेस पर अच्छा काम करता है, solveबड़े मेट्रिसेस पर बहुत धीमी गति से चलता है । मैं सोच रहा था कि क्या कोई अन्य फ़ंक्शन या फ़ंक्शन (एसवीडी, क्यूआर, एलयू, या …

21 r  matrix-decomposition  matrix-inverse 

मैंने हाल ही में मैट्रिक्स डिकम्पोजिशन पर Skillicorn की किताब पढ़ी, और थोड़ा निराश था, क्योंकि यह एक स्नातक दर्शकों के लिए लक्षित था। मैं मैट्रिक्स के डिकम्पोजिशन पर आवश्यक कागजात (सर्वेक्षण, लेकिन साथ ही सफलता के कागजात) की एक छोटी ग्रंथ सूची का संकलन करना चाहूंगा। मेरे मन में …

18 matrix-decomposition  svd  numerics 

मान लीजिए कि मैं एक घने मैट्रिक्स है के SVD अपघटन के साथ, आकारमें मैं SVD गणना कर सकते हैं इस प्रकार है: ।AA \textbf{A}m×nm×nm \times nA=USV⊤.A=USV⊤.\mathbf{A}=\mathbf{USV}^\top.Rsvd(A) यदि एक नई -th पंक्ति को जोड़ा जाता है , तो क्या कोई पुराने के आधार पर नए SVD अपघटन की गणना कर …

17 algorithms  svd  linear-algebra  matrix-decomposition  numerics 

एक मैट्रिक्स को देखते हुए Vm×nVm×n\mathbf V^{m \times n}, गैर-नकारात्मक मैट्रिक्स फैक्टराइजेशन (NMF) दो गैर-नकारात्मक मैट्रिक्स Wm×kWm×k\mathbf W^{m \times k} और Hk×nHk×n\mathbf H^{k \times n} (सभी तत्वों ≥0≥0\ge 0 ) को अपघटित मैट्रिक्स के रूप में दर्शाता है: V≈WH,V≈WH,\mathbf V \approx \mathbf W\mathbf H, कि गैर नकारात्मक की आवश्यकता द्वारा …

16 cross-validation  unsupervised-learning  latent-variable  matrix-decomposition  nnmf 

एक साधारण समय श्रृंखला पर विचार करें: > tp <- seq_len(10) > tp [1] 1 2 3 4 5 6 7 8 9 10 हम इस समय श्रृंखला के लिए एक आसन्न मैट्रिक्स की गणना कर सकते हैं जो नमूनों के बीच अस्थायी लिंक का प्रतिनिधित्व करते हैं। इस मैट्रिक्स …

15 time-series  matrix-decomposition  svd 

बन्द है। यह सवाल ऑफ टॉपिक है । यह वर्तमान में उत्तर स्वीकार नहीं कर रहा है। इस प्रश्न को सुधारना चाहते हैं? प्रश्न को अपडेट करें ताकि यह क्रॉस मान्य के लिए विषय पर हो । 2 साल पहले बंद हुआ । क्या कोई व्यक्ति R कोड के साथ …

15 r  multivariate-analysis  matrix  matrix-decomposition 

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 सहयोगी फ़िल्टरिंग (CF) के लिए एक परियोजना पर काम कर रहा हूं, यानी आंशिक रूप से देखे गए मैट्रिक्स या अधिक सामान्यतः टेंसर को पूरा करना। मैं इस क्षेत्र के लिए एक नौसिखिया हूं, और इस परियोजना के लिए अंततः मुझे अपने तरीके की तुलना अन्य प्रसिद्ध लोगों से …

13 optimization  recommender-system  matrix-decomposition 

mgcvके लिए पैकेज Rफिटिंग टेन्सर उत्पाद बातचीत के लिए दो कार्य करता है: te()और ti()। मैं दोनों के बीच श्रम के बुनियादी विभाजन को समझता हूं (गैर-रैखिक बातचीत को फिट करना बनाम इस बातचीत को मुख्य प्रभावों और एक इंटरैक्शन में विघटित करना)। क्या मुझे समझ नहीं आता क्यों है …

11 r  gam  mgcv  conditional-probability  mixed-model  references  bayesian  estimation  conditional-probability  machine-learning  optimization  gradient-descent  r  hypothesis-testing  wilcoxon-mann-whitney  time-series  bayesian  inference  change-point  time-series  anova  repeated-measures  statistical-significance  bayesian  contingency-tables  regression  prediction  quantiles  classification  auc  k-means  scikit-learn  regression  spatial  circular-statistics  t-test  effect-size  cohens-d  r  cross-validation  feature-selection  caret  machine-learning  modeling  python  optimization  frequentist  correlation  sample-size  normalization  group-differences  heteroscedasticity  independence  generalized-least-squares  lme4-nlme  references  mcmc  metropolis-hastings  optimization  r  logistic  feature-selection  separation  clustering  k-means  normal-distribution  gaussian-mixture  kullback-leibler  java  spark-mllib  data-visualization  categorical-data  barplot  hypothesis-testing  statistical-significance  chi-squared  type-i-and-ii-errors  pca  scikit-learn  conditional-expectation  statistical-significance  meta-analysis  intuition  r  time-series  multivariate-analysis  garch  machine-learning  classification  data-mining  missing-data  cart  regression  cross-validation  matrix-decomposition  categorical-data  repeated-measures  chi-squared  assumptions  contingency-tables  prediction  binary-data  trend  test-for-trend  matrix-inverse  anova  categorical-data  regression-coefficients  standard-error  r  distributions  exponential  interarrival-time  copula  log-likelihood  time-series  forecasting  prediction-interval  mean  standard-error  meta-analysis  meta-regression  network-meta-analysis  systematic-review  normal-distribution  multiple-regression  generalized-linear-model  poisson-distribution  poisson-regression  r  sas  cohens-kappa 

सभी आधुनिक सिफारिशकर्ता प्रणालियों में जो मैंने देखा है कि मैट्रिक्स फैक्टराइजेशन पर भरोसा करते हैं, उपयोगकर्ता-मूवी मैट्रिक्स पर एक गैर-नकारात्मक मैट्रिक्स फैक्टराइजेशन किया जाता है। मैं समझ सकता हूं कि व्याख्या के लिए गैर-नकारात्मकता क्यों महत्वपूर्ण है और / या यदि आप विरल कारक चाहते हैं। लेकिन अगर आप …

11 recommender-system  svd  matrix-decomposition  nnmf 

कम्प्यूटेशनल आंकड़ों में समीकरणों के रैखिक सिस्टम व्याप्त हैं। एक विशेष प्रणाली जिसका मैंने सामना किया है (जैसे, कारक विश्लेषण में) प्रणाली है Ax=bAx=bAx=b जहां यहाँ एक है एक सख्ती से सकारात्मक विकर्ण साथ विकर्ण मैट्रिक्स, एक है (साथ ) सममित सकारात्मक अर्द्ध निश्चित मैट्रिक्स, और एक मनमाना मैट्रिक्स है। …

10 factor-analysis  matrix  computational-statistics  matrix-decomposition  matrix-inverse 

सहयोगी फ़िल्टरिंग समस्या पर विचार करें। हमारे पास मैट्रिक्स हैMMM आकार के #users * #items। Mi,j=1Mi,j=1M_{i,j} = 1 अगर उपयोगकर्ता मुझे आइटम जे पसंद करता है, Mi,j=0Mi,j=0M_{i,j} = 0 अगर उपयोगकर्ता को आइटम j पसंद है और Mi,j=?Mi,j=?M_{i,j}=?अगर (i, j) जोड़ी के बारे में कोई डेटा नहीं है। हम भविष्यवाणी …

9 machine-learning  recommender-system  matrix-decomposition