pca पर टैग किए गए जवाब

प्रधान घटक विश्लेषण (पीसीए) एक रैखिक आयामी कमी तकनीक है। यह निर्माण किए गए चर के एक छोटे सेट के लिए एक बहुभिन्नरूपी डेटासेट को कम करता है जितना संभव हो उतना जानकारी (अधिक विचरण) के रूप में संरक्षित करता है। ये चर, जिन्हें प्रधान घटक कहा जाता है, इनपुट चर के रैखिक संयोजन हैं।

3
दो आयामी विमान में उच्च आयामी स्थान कैसे प्रोजेक्ट करें?
मेरे पास एन-डायमेंशनल स्पेस में डेटा पॉइंट्स का एक सेट है। इसके अलावा, मैं भी इसी एन-आयामी अंतरिक्ष में एक केन्द्रक है। क्या कोई दृष्टिकोण है जो मुझे मूल स्थान में उनके सापेक्ष दूरी की जानकारी रखते हुए इन डेटा बिंदुओं को दो-आयामी स्थान में प्रोजेक्ट करने की अनुमति दे …
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 …
3
डेटा के साथ व्यावहारिक पीसीए ट्यूटोरियल
पीसीए ट्यूटोरियल के लिए इंटरनेट पर खोज करने से हजारों परिणाम (यहां तक ​​कि वीडियो) मिलते हैं। कई ट्यूटोरियल बहुत अच्छे हैं। लेकिन मुझे कोई भी व्यावहारिक उदाहरण नहीं मिल रहा है जहां पीसीए को कुछ डेटा-सेटों का उपयोग करके समझाया जाता है जो मैं प्रदर्शन के लिए उपयोग कर …
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 …
1
R में ऑब्जेक्ट के लिए सारांश () और लोडिंग () के बीच अंतर क्या है?
उदाहरण कोड: (pc.cr <- princomp(USArrests)) summary(pc.cr) loadings(pc.cr) ## note that blank entries are small but not zero मुझे प्रत्येक से अलग-अलग आउटपुट मिल रहे हैं, और मुझे यकीन नहीं है कि मैं समझता हूं कि अंतर क्या है। यहाँ उत्पादन है: > summary(pc.cr) Importance of components: Comp.1 Comp.2 Comp.3 Comp.4 …
11 r  pca 
1
पीसीए में पीसीए द्विध्रुवीय में अंतर्निहित चर के तीर
प्रश्न को सॉफ्टवेयर-विशिष्ट बनाने के जोखिम पर, और इसकी सर्वव्यापकता और आदर्शवादिता के बहाने से, मैं biplot()R के फंक्शन के बारे में पूछना चाहता हूं , और, विशेष रूप से, इसके डिफ़ॉल्ट, सुपरमिपल लाल तीरों की गणना और प्लॉटिंग के बारे में, अंतर्निहित चर के लिए। [कुछ टिप्पणियों की समझ …
11 r  pca  biplot 
1
आर / एमजीसीवीवी: क्यों टी () और टीआई () टेंसर उत्पाद विभिन्न सतहों का उत्पादन करते हैं?
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 
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 …
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 …
4
पायथन में प्रमुख घटक विश्लेषण और प्रतिगमन
मैं यह पता लगाने की कोशिश कर रहा हूं कि पायस में कुछ काम जो मैंने एसएएस में किए हैं, कैसे पुन: पेश करें। इस डेटासेट का उपयोग करना , जहां बहुसंस्कृति एक समस्या है, मैं पायथन में प्रमुख घटक विश्लेषण करना चाहूंगा। मैंने स्किटिट-लर्न और स्टैटमोडेल को देखा है, …
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 …
3
क्या रेखीय विभेदक विश्लेषण (LDA) में स्केलिंग मान का उपयोग रेखीय विभेदकों पर व्याख्यात्मक चर बनाने के लिए किया जा सकता है?
प्रमुख घटक विश्लेषण के माध्यम से प्राप्त मूल्यों के एक द्विप्लव का उपयोग करके, व्याख्यात्मक चर का पता लगाना संभव है जो प्रत्येक सिद्धांत घटक को बनाते हैं। क्या यह रैखिक विवेचक विश्लेषण के साथ भी संभव है? उपलब्ध कराए गए उदाहरण द डेटा "एडगर एंडरसन का आइरिस डेटा" ( …
3
पीसीए, आईसीए और लाप्लासियन ईगेनमैप्स
सवाल मुझे लाप्लासियन ईजेनमैप विधि में बहुत दिलचस्पी है। वर्तमान में, मैं इसका उपयोग अपने मेडिकल डेटा सेट पर आयाम में कमी करने के लिए कर रहा हूं। हालांकि, मैं विधि का उपयोग कर एक समस्या में चला गया हूं। उदाहरण के लिए, मेरे पास कुछ डेटा (स्पेक्ट्रा सिग्नल) हैं, …
11 pca  ica 
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 …
1
कैसे पीसीए eigenvectors नहीं हैं कि वैक्टर के "eigenvalues" (समझाया विचरण का प्रतिशत) पाने के लिए?
मैं समझना चाहता हूं कि कैसे मैं डेटा सेट के विचरण का प्रतिशत प्राप्त कर सकता हूं, पीसीए द्वारा प्रदान किए गए समन्वय स्थान में नहीं, बल्कि (घुमाए हुए) वैक्टरों के थोड़ा अलग सेट के खिलाफ। set.seed(1234) xx <- rnorm(1000) yy <- xx * 0.5 + rnorm(1000, sd = 0.6) …
हमारी साइट का प्रयोग करके, आप स्वीकार करते हैं कि आपने हमारी Cookie Policy और निजता नीति को पढ़ और समझा लिया है।
Licensed under cc by-sa 3.0 with attribution required.