Ho dei campioni di due classi che sono vettori nello spazio ad alta dimensione e voglio tracciarli in 2D o 3D.
Conosco le tecniche di riduzione della dimensionalità, ma ho bisogno di uno strumento davvero semplice e facile da usare (in matlab, python o .exe preconfigurato).
Inoltre mi chiedo se la rappresentazione in 2D sarà "significativa"? (Ad esempio come due classi si intersecano o possono essere separabili).
Risposte:
Uno strumento predefinito per la visualizzazione di dati ad alta dimensione è ggobi . Ti consente di colorare i punti per rappresentare i gruppi e quindi ha alcune opzioni per ridurre le quote alte a una rappresentazione bidimensionale. Uno strumento particolarmente utile è il grand tour 2D che fondamentalmente ruota il cloud di dati in più dimensioni e ti mostra un'animazione della proiezione 2D della rotazione. Puoi rallentare o mettere in pausa la rotazione quando vedi schemi interessanti.
Che ne dici di un diagramma delle coordinate del parrellel?
L'approccio classico sarebbe quello di utilizzare PCA ( Principal Component Analysis ) al fine di eseguire una riduzione dimensionale lineare. In sostanza, questo proietta i tuoi dati su uno spazio di dimensione inferiore (nel caso 2D questo è semplicemente un piano) preservando il più possibile la varianza dei dati.
L'esecuzione di PCA di solito comporta l'esecuzione di un singolo comando nella maggior parte dei linguaggi di programmazione, quindi è molto semplice.
Dovresti ricordare che è possibile che i tuoi dati non possano essere rappresentati accuratamente in 2 o 3 dimensioni. PCA ti fornirà automaticamente una stima quantitativa di questo: ti dirà quale percentuale della varianza viene catturata dalla rappresentazione dimensionale bassa risultante. Questo ti darà la sensazione di quante informazioni perdi guardando questa visualizzazione semplificata.
Solo per aggiungere i miei 5 centesimi. La libreria Python Scikit-Learn ha molti algoritmi per questo:
Considera il seguente esempio per le opzioni di visualizzazione. http://www.mathworks.com/help/stats/gmdistribution.cluster.html
Oltre al suggerimento di @ juampa, dovresti anche provare NeRV (Neighbor Retrieval Visualizer), che " è un approccio basato sul recupero delle informazioni di principio alla riduzione della dimensionalità non lineare ", e SNE / t-SNE possono essere visti come casi speciali di NeRV. Il punto principale di NeRV è minimizzare un compromesso tra il richiamo e la precisione tra lo spazio originale e il display. NeRV è fornito come uno strumento da riga di comando scritto in C ++.
Un'immagine dimostrativa dal loro sito Web: il risultato a sinistra enfatizza maggiormente il richiamo (meno "mancati"), mentre quello a destra enfatizza maggiormente la precisione (meno "vicini falsi").
