dimensionality-reduction

    1熱

    2答えて

    t-SNEの次元削減を使用してクラスタリングを実行する

    問題は、最初に起こるべき問題です：a）クラスタリングまたはb）次元削減アルゴリズム？ つまり、t-SNEのような擬似（実際ではない）次元削減方法を適用し、クラスタリングアルゴリズムを使用してクラスタを抽出したり、元の高次元空間でクラスタリングを実行してノードに色付けするだけですか？ 次のコードを開始するのは良い方法ですか、まったく間違っていますか？ adjMat = g.get_adjacency
    python algorithm cluster-analysis dimensionality-reduction 2016-06-20

    1熱

    1答えて

    多次元スケーリングを実行した後に固有値を取得する方法は？

    多次元スケーリングを実行した後でEigenvaluesを調べることに興味があります。どのような機能がそれを行うことができますか？私はdocumentationを見ましたが、Eigenvaluesはまったく言及していません。ここで は、コードサンプルです： mds = manifold.MDS(n_components=100, max_iter=3000, eps=1e-9, r
    python scikit-learn eigenvalue dimensionality-reduction multi-dimensional-scaling 2016-06-30

    6熱

    1答えて

    scikit-learn因子分析の回転引数

    因子分析の特徴の1つは、非直交潜在変数が可能であることです。 たとえば、この機能はrotationパラメータfactanalでアクセスできます。 sklearn.decomposition.FactorAnalysisの規定はありますか？明らかにそれは議論の間ではありませんが、これを達成する別の方法があるかもしれません。 悲しいことに、私はこの機能の多くの使用例を見つけることができませんでした。
    python scikit-learn dimensionality-reduction factor-analysis 2016-05-14

    1熱

    1答えて

    PCAではなくICAを使用する場合？

    PCAとICAの両方が次元削減に使用され、PCAの主成分は直交（必ずしも独立ではない）であるが、ICAでは独立していることがわかっている。 PCAではなくICAを使用する方が良いときは誰でも明確にしてください。
    machine-learning pca dimensionality-reduction 2016-05-25

    2熱

    1答えて

    `skbio` PCoA（Principal Coordinate Analysis）の結果を得る方法は？

    私はattributesをskbio'sPCoA（以下に記載）の方法で探しています。私はこの新しいAPIに新しく、を得て、.fit_transformのsklearn.decomposition.PCAに似た新しい軸に投影された元の点が得られるように、PC_1 vs PC_2スタイルのプロットを作成することができます。私はeigvalsとproportion_explainedを得る方法を考え出し
    machine-learning linear-algebra scikits dimensionality-reduction skbio 2016-07-14

    0熱

    1答えて

    Matlabの：寸法の減少

    はx_t = F(x_{t-1})は、我々は時系列= t =1,2,...,Tは時間インデックスを示しx_tを生成することができ、初期条件x_0から始まっchaotic regime. の時間1力学系でdiscretとします。 s_t = 1> cx_tもしそうでなければcは、平均一次元マップの s_t = 0 あります。したがって、マップFの各反復は新しいシンボルを与えます。 0と1のシーケンス
    matlab matrix machine-learning dimensionality-reduction 2016-04-09

    0熱

    1答えて

    スパース行列の次元削減（TSNE/PCA）

    データを視覚化するための次元削減（DR）技法を実行したいと思います。 Barnes-hut tsneを使用する予定ですが、サンプルアプリケーションには、user guideに従った通常のマトリックス形式のデータがあるため、TSNEへの入力方法はわかりません。私は5000の異なる値を持つ約1200万のレコードを持っており、私はそれらをメインメモリに格納することができません。ディメンションリダクション
    python machine-learning scipy pca dimensionality-reduction 2016-04-10

    5熱

    1答えて

    PCAの分散が最も大きいコンポーネントの選択

    トレーニングに必要な膨大なデータセット（32000 * 2500）があります。これは私の分類子にはあまりにも多いようです。そのため、私は次元削減と特にPCAについての読書をすることにしました。 私の理解から、PCAは現在のデータを選択し、別の（x、y）ドメイン/スケールでそれらを再現します。これらの新しい座標は何も意味するものではありませんが、データを再配置して1つの軸に最大の変化を与えます。これ
    matlab machine-learning classification pca dimensionality-reduction 2016-02-27

    1熱

    1答えて

    scikit-learnマニフォールドを使用してRGBからグレーへ

    manifold learning methodsを使用してRGBイメージをグレーにするために寸法を縮小しようとしています。 私はを取得image_array image_array.shape (273280, 3) 試み、 X, color = image_array を点検numpyのアレイ（image_array） import numpy as np from sklearn.
    python-2.7 image-processing scikit-learn dimensionality-reduction 2016-04-28
最新の質問