Domande taggate «clustering»

L'analisi del cluster è il compito di partizionare i dati in sottoinsiemi di oggetti in base alla reciproca "somiglianza", senza utilizzare conoscenze preesistenti come le etichette di classe. [Gli errori standard cluster e / o i campioni cluster dovrebbero essere contrassegnati come tali; NON usare il tag "clustering" per loro.]

2
Rilevamento di cluster di codici sorgente "simili"
Supponiamo che io abbia 400 studenti (che sono in una grande università) che devono fare un progetto di informatica e che devono lavorare da soli (nessun gruppo di studenti). Un esempio di progetto potrebbe essere quello di "implementare un algoritmo di trasformazione di Fourier veloce in fortran" (lo so, non …
3
Distribuzioni a grappolo
Ho diverse distribuzioni (10 distribuzioni nella figura seguente). In realtà si tratta di istogrammi: ci sono 70 valori sull'asse x che sono le dimensioni di alcune particelle in una soluzione e per ogni valore di x il valore corrispondente di y è la proporzione di particelle la cui dimensione è …
10 clustering 
3
Come raggruppare le variabili longitudinali?
Ho un sacco di variabili che contengono dati longitudinali dal giorno 0 al giorno 7. Sto cercando un approccio di raggruppamento appropriato che possa raggruppare queste variabili longitudinali (non i casi) in diversi gruppi. Ho cercato di analizzare questo set di dati separatamente per tempo, ma il risultato è stato …
10 clustering 
2
Rileva schemi circolari nei dati della nuvola di punti
Per alcuni algoritmi di ricostruzione del volume su cui sto lavorando, devo rilevare un numero arbitrario di schemi circolari nei dati dei punti 3d (provenienti da un dispositivo LIDAR). I modelli possono essere arbitrariamente orientati nello spazio e si presume che giacciono (anche se non perfettamente) in sottili piani 2D. …
1
Utilizzo del pacchetto di statistiche in R per il raggruppamento dei kmean
Ho difficoltà a comprendere uno o due aspetti del pacchetto cluster. Sto seguendo da vicino l'esempio di Quick-R , ma non capisco uno o due aspetti dell'analisi. Ho incluso il codice che sto usando per questo esempio particolare. ## Libraries library(stats) library(fpc) ## Data mydata = structure(list(a = c(461.4210925, 1549.524107, …
10 r  clustering 
1
Analisi cluster seguita da analisi discriminante
Qual è la logica, se esiste, per usare Discriminant Analysis (DA) sui risultati di un algoritmo di clustering come k-medie, come lo vedo di volta in volta in letteratura (essenzialmente sul sottotipo clinico dei disturbi mentali)? Non è generalmente consigliabile verificare le differenze di gruppo sulle variabili utilizzate durante la …
1
Valore “nascosto” della variabile categoriale della regressione lineare
Questo è solo un esempio che ho riscontrato più volte, quindi non ho dati di esempio. Esecuzione di un modello di regressione lineare in R: a.lm = lm(Y ~ x1 + x2) x1è una variabile continua. x2è categorico e ha tre valori, ad esempio "Basso", "Medio" e "Alto". Tuttavia, l'output …
10 r  regression  categorical-data  regression-coefficients  categorical-encoding  machine-learning  random-forest  anova  spss  r  self-study  bootstrap  monte-carlo  r  multiple-regression  partitioning  neural-networks  normalization  machine-learning  svm  kernel-trick  self-study  survival  cox-model  repeated-measures  survey  likert  correlation  variance  sampling  meta-analysis  anova  independence  sample  assumptions  bayesian  covariance  r  regression  time-series  mathematical-statistics  graphical-model  machine-learning  linear-model  kernel-trick  linear-algebra  self-study  moments  function  correlation  spss  probability  confidence-interval  sampling  mean  population  r  generalized-linear-model  prediction  offset  data-visualization  clustering  sas  cart  binning  sas  logistic  causality  regression  self-study  standard-error  r  distributions  r  regression  time-series  multiple-regression  python  chi-squared  independence  sample  clustering  data-mining  rapidminer  probability  stochastic-processes  clustering  binary-data  dimensionality-reduction  svd  correspondence-analysis  data-visualization  excel  c#  hypothesis-testing  econometrics  survey  rating  composite  regression  least-squares  mcmc  markov-process  kullback-leibler  convergence  predictive-models  r  regression  anova  confidence-interval  survival  cox-model  hazard  normal-distribution  autoregressive  mixed-model  r  mixed-model  sas  hypothesis-testing  mediation  interaction 
1
Quale modello di apprendimento profondo può classificare categorie che non si escludono a vicenda
Esempi: ho una frase nella descrizione del lavoro: "Ingegnere senior Java nel Regno Unito". Voglio usare un modello di apprendimento profondo per prevederlo in 2 categorie: English e IT jobs. Se uso il modello di classificazione tradizionale, posso solo prevedere 1 etichetta con la softmaxfunzione all'ultimo livello. Quindi, posso usare …
9 machine-learning  deep-learning  natural-language  tensorflow  sampling  distance  non-independent  application  regression  machine-learning  logistic  mixed-model  control-group  crossover  r  multivariate-analysis  ecology  procrustes-analysis  vegan  regression  hypothesis-testing  interpretation  chi-squared  bootstrap  r  bioinformatics  bayesian  exponential  beta-distribution  bernoulli-distribution  conjugate-prior  distributions  bayesian  prior  beta-distribution  covariance  naive-bayes  smoothing  laplace-smoothing  distributions  data-visualization  regression  probit  penalized  estimation  unbiased-estimator  fisher-information  unbalanced-classes  bayesian  model-selection  aic  multiple-regression  cross-validation  regression-coefficients  nonlinear-regression  standardization  naive-bayes  trend  machine-learning  clustering  unsupervised-learning  wilcoxon-mann-whitney  z-score  econometrics  generalized-moments  method-of-moments  machine-learning  conv-neural-network  image-processing  ocr  machine-learning  neural-networks  conv-neural-network  tensorflow  r  logistic  scoring-rules  probability  self-study  pdf  cdf  classification  svm  resampling  forecasting  rms  volatility-forecasting  diebold-mariano  neural-networks  prediction-interval  uncertainty 
2
Applicazione dell'inferenza variazionale stocastica alla miscela bayesiana di gaussiana
Sto cercando di implementare il modello di miscela gaussiana con inferenza variazionale stocastica, seguendo questo articolo . Questa è la figura della miscela gaussiana. Secondo l'articolo, l'algoritmo completo dell'inferenza variazionale stocastica è: E sono ancora molto confuso del metodo per ridimensionarlo a GMM. In primo luogo, ho pensato che il …
Utilizzando il nostro sito, riconosci di aver letto e compreso le nostre Informativa sui cookie e Informativa sulla privacy.
Licensed under cc by-sa 3.0 with attribution required.