回答情况：
提问时间：
问题标签：
2回答
我正在尝试理解数据分析中降维的不同方法。特别是，我对奇异值分解(SVD)和主成分分析(PCA)感兴趣。a) SVD和PCA如何做到这一点，以及b)它们在方法上有何不同
或者如果你能解释一下每种技术的结果告诉我什么，那么对于a) SVD -什么是奇异值
浏览 6修改于2017-10-27得票数 1
3回答
我正在尝试将高维数据集减少到2-D。但是，我不能预先访问整个数据集。所以，我想生成一个函数，它接受一个N维向量，并返回一个2维向量，这样，如果我把它赋给在N维空间中接近的向量，结果在2维空间中是接近的。
我认为SVD是我需要的答案，但我不能让它工作。
浏览 7提问于2009-10-08得票数 4
回答已采纳
2回答
目前，我正试图映射和减少函数，以使多维数组变得平坦。data: [ label: "Sort-01" { weight: 2304 { weight: 1783 ] { data: [
浏览 6提问于2017-10-18得票数 3
回答已采纳
2回答
trainingData是699x900，为699个字符的图像提供900维数据.test是225x900，225900维字符.基本上，我想把它降到225x10，即10个维，但是在这一点上我有点卡住了。
浏览 2修改于2020-02-01得票数 3
回答已采纳
1回答
我认为PCA图是减少图形维数和比较值的好方法，尽管它们不是在相同的尺度上。
我尝试用不同的R包(如ggbiplot和pca3d )来构建主成分分析，但由于缺少维数，点云的分布似乎总是倾斜的。有人会建议将三个不同尺度的值降为二维PCA吗？
浏览 0修改于2022-03-16得票数 2
回答已采纳
1回答
让我们假设我有一个IEnumerable(Of IEnumerable(Of Integer))。所有内部IEnumerable都包含IDs。我想将所有的IDs Distinctly集合到一个IEnumerable(Of Integer)中。如果我这样做，我可以这样做：For Each element In IDsNext这种方法有两个问题：-当可能有一个我不知道的用于此目的的Function时，我必须编写迭代代
浏览 1修改于2017-05-23得票数 1
1回答
是否有一个可逆(我可以在子流形和原始空间之间来回来回)和规模很大(>100万维)的降维技术列表？向量非常稀疏。理想情况下，我可以在少量的示例中找到感兴趣的粗糙子空间(降到~10k维)，然后在子空间上训练类似于自动编码器的内容，以便进行精细控制。
浏览 5提问于2016-06-23得票数 0
回答已采纳
3回答
有人知道微软在涂料中使用哪一种芦荟膏来降低图片质量吗？注意:使用的油漆版本是Windows 7的版本，我使用的Lanczos实现是Millie项目的之一，内置java来自Graphics2D：
g2d.setRenderingHint(RenderingHints.KEY_INTERPOLATION, RenderingHints.VALUE_INTE
浏览 13修改于2015-08-07得票数 7
回答已采纳
1回答
我试图用Matlab工具箱对一组图像的维数进行降维。问题是:我对降维知之甚少。因此，我尝试了每一个尝试和错误，将数据集传递给函数。到目前为止，我已经尝试了6次，PCA返回了一个复数矩阵。
浏览 3修改于2012-05-07得票数 4
回答已采纳
1回答
我对机器学习和数据科学知之甚少，我需要对数据集进行降维，以对应于用户的电视消费。我有大约20列(特征)和数十万个样本。 问题是这些功能是不同类型的。例如，地区、日期、设备类型、消费时长等。
浏览 9提问于2021-01-11得票数 0
1回答
我正在效仿svd，但我仍然不知道如何减少最终矩阵的维数：dat <- as.matrix(iris[a,-5])
rownames(dat) <-
浏览 3修改于2015-07-12得票数 1
回答已采纳
1回答
我正在使用Cifar-10数据集。数据的原始形状是( 50000,3072)，其中有50000个图像，对于每个图像，前1024个像素是红色的，接下来的1024个像素是绿色的，接下来的1024个像素是蓝色的。它们以主要行格式存储，因此红色的前32个像素是第一行32个像素的红色。trainX.reshape((-1,3,32,32)).transpose([0,2,3,1])下面是所有颜色的平均强度，但这并不是
浏览 0提问于2017-05-23得票数 0
1回答
通过主成分分析，我可以将维数降到24左右。我使用了3个主成分，涵盖了96%的原始数据。我的问题是PCA不关心将类彼此分离的能力。是否有一种方法将PCA用于减少特征空间，LDA用于寻找这两类的判别函数？或者，是否有一种方法可以使用LDA来以最佳的方式在三维空间中找到将两个类分开的特性？提前谢谢。
浏览 1提问于2013-11-05得票数 2
回答已采纳
1回答
我不认为我对PCA有很好的理解，有人能帮我解决下面的困惑吗？a1*x1 + a2*x2 + a3*x3 + a4*x4# load librariesfro
浏览 1修改于2020-12-28得票数 1
回答已采纳
我仍然在探索机器学习的这一领域，尽管我知道特征选择和降维之间的区别，但我发现在掌握何时进行特征选择或降维(或两者兼而有之)的概念上存在一些困难。假设我有一个包含大约40个特征的数据集，那么单独执行降维还是单独进行特征选择是一种好的做法？或者应该有两种方法的混合(即先进行特征选择，然后进行降维-或者反之亦然)？
浏览 1提问于2017-12-16得票数 0
1回答
我一直在使用PCA降维的数据集是相当线性的，现在我的任务是相同的数据集，大部分是弯曲的空间。想象一个噪声的正弦波，为了简单。
PCA在这种情况下仍然有用吗？如果没有，更合适的降维方法是什么？
浏览 0提问于2022-04-24得票数 0
1回答
由于位置上的每一点x都可以看作是观察的一个维度，所以我认为使用主成分分析来减少维数。
我在t1点和t2点随机抽取了t1测量值。由于我对PCA完全陌生，所以我想问您，您是否看到了过程中的一个缺陷，或者PCA不是我的目标的正确方法，我最好去寻找其他降维方法或聚类算法。
浏览 4修改于2014-11-19得票数 1
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号