回答情况：
提问时间：
问题标签：
5回答
当我尝试应用下面的代码时 return $a['order'] - $b['order'];它给了我升序的结果。0001.09在交换$a和$b时，它给出了除一个值之外的降序结果。 return $b['order'] - $a['order'];输出1.09000
我想按以下顺序
浏览 3修改于2017-05-23得票数 27
回答已采纳
1回答
我想使用LDA进行降维。我正在使用R。我发现的示例主要使用LDA进行分类。那么如何使用LDA进行降维呢？在R中有没有内置的函数调用来进行降维，或者你必须对其进行编码？
谢谢。塞夫万迪
浏览 2修改于2014-01-17得票数 1
例如：不要建议grid.setSortIndex(0)，因为它只指定整个网格上的默认排序--这不是我要找的。Dojo文档太可怕了！
非常感谢.
浏览 8提问于2011-08-11得票数 0
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
有人能指出特征选择和聚类以及降维算法之间的区别吗？聚类帮助我们指出哪些变量簇清楚地定义了输出。这与降维算法不一样吗？特征选择+聚类不是和降维算法一样吗？
浏览 4提问于2015-10-27得票数 0
0回答
在评估函数应用方面，Haskell只支持普通降阶，还是也支持应用降阶？我认为正常的秩序是Haskell懒惰的原因，这是正确的吗？
浏览 1提问于2016-07-15得票数 3
回答已采纳
1回答
众所周知，如果矩阵的列维或行维为1，则R试图将矩阵降为向量，使用drop=F命令可以防止这种自动降维。但是，我目前正在编写一个大型的R包，需要在代码中禁用数百次降维，以便手动查找这些位置并添加数百次drop=F。
因此，我想知道是否有任何选项或可能性一般禁用降维矩阵中的R？
浏览 2修改于2012-08-30得票数 28
回答已采纳
我试着用一个渐近矩阵的.rref()函数来得到降阶形式。我的目标是取一个随机矩阵，减去恒等矩阵，找到新矩阵的降阶形式。当我做这些操作时，我做了，而不是，得到了矩阵的降阶形式的正确答案。
浏览 0提问于2020-10-28得票数 0
回答已采纳
1回答
因为我仍然想尝试用LDA来解决我的任务(即使可能有更好的可能性)，我正在考虑在LDA之前使用某种降维方法。
我知道LDA用于主题建模，但也可以用于降维，那么在使用LDA之前尝试降维有意义吗？
浏览 9提问于2020-05-23得票数 0
回答已采纳
1回答
云服务宽带怎么降回去啊？
云服务器
云服务宽带怎么降回去啊`之前升级了3M··现在要降回1m··怎么降啊···霸王条款哦··只给升·不给降·!还有如果我新购服务器·是否还可以用原来的旧IP·
浏览 660提问于2016-03-23
6回答
我试着理解降尺度。我可以看到如何使用插值算法，如双三次和最近邻域时，当升级时，“填补空白”之间的旧的，已知的点(像素，在图像)。
但降尺度呢？我看不出有什么插值技术可以用在那里。没有空白可以填补！一种按平均像素值从6点到3点的降维算法如下: 1,2,3,4,5,6 = (1+2)/2，(3+4)/2，(5+6)/2 Am i在这里的正确轨道？这是降尺度的插值，而不仅仅是丢弃数据吗？
浏览 9修改于2009-05-18得票数 20
回答已采纳
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
CURL_FORMAT_CURL_OFF_T "\r\n", ulnow, ultotal, dlnow, dltotal); return CURLE_OK;输出：
上升:0:0下降: 233 :0上升:0:0下降: 233 :0
浏览 4提问于2015-06-12得票数 1
我正在比较各种技术，并想找出对大量文本文档进行矢量化和降维的最佳方法。我已经测试了Bag of Words和TF-IDF，并使用PCA、SVD和NMF进行了降维。然而，我想用doc2vec做同样的事情，考虑到doc2vec本身是一个降维工具，找出我的模型的维数的最佳方法是什么？有没有什么统计方法可以帮助我找到vector_size的最佳数量？ 提前感谢！
浏览 56提问于2020-08-15得票数 0
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