Statistiche e Big Data dimensionality-reduction

1

Metodo di Nystroem per l'approssimazione del kernel

Ho letto del metodo Nyström per l'aproximation del kernel di basso rango. Questo metodo è implementato in scikit-learn [1] come metodo per proiettare campioni di dati su un'approssimazione di basso rango della mappatura delle caratteristiche del kernel. Al meglio della mia conoscenza, dato un insieme di formazione e una funzione …

12 scikit-learn dimensionality-reduction kernel-trick nonlinear

4

Quali sono le differenze tra i codificatori automatici e il t-SNE?

Per quanto ne so, sia gli autocodificatori che il t-SNE sono utilizzati per la riduzione della dimensionalità non lineare. Quali sono le differenze tra loro e perché dovrei usare l'uno contro l'altro?

12 neural-networks deep-learning dimensionality-reduction autoencoders tsne

3

Esiste un valore nella riduzione della dimensionalità di un set di dati in cui tutte le variabili sono approssimativamente ortogonali?

Supponiamo di avere un set di dati dimensionale dove dimensioni sono approssimativamente ortogonale (avere correlazione zero).NNNNNNN C'è qualche utilità in termini di: visualizzazione Rappresentazione (per efficienza classificatore) O altri criteri eseguire la riduzione della dimensionalità sui dati?

11 pca dimensionality-reduction

8

Visualizzazione di dati ad alta dimensione

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 …

11 data-visualization matlab python dimensionality-reduction

3

Quali sono i presupposti dell'analisi fattoriale?

Voglio verificare se ho davvero capito l' analisi del fattore [classico, lineare] (FA), in particolare i presupposti che vengono fatti prima (e forse dopo) FA. Alcuni dati dovrebbero essere inizialmente correlati e tra loro esiste una possibile relazione lineare. Dopo aver effettuato l'analisi dei fattori, i dati vengono normalmente distribuiti …

11 correlation factor-analysis assumptions dimensionality-reduction

2

Qual è il vantaggio di ridurre la dimensionalità dei predittori ai fini della regressione?

Quali sono le applicazioni o i vantaggi della regressione della riduzione dimensionale (DRR) o delle tecniche di riduzione dimensionale supervisionata (SDR) rispetto alle tecniche di regressione tradizionale (senza alcuna riduzione dimensionale)? Questa classe di tecniche trova una rappresentazione a bassa dimensione dell'insieme di funzionalità per il problema di regressione. Esempi …

11 regression machine-learning pca dimensionality-reduction

7

Tecnica di riduzione dei dati per identificare i tipi di paesi

Insegno a un corso introduttivo di geografia economica. Per aiutare i miei studenti a sviluppare una migliore comprensione dei tipi di paesi presenti nell'economia mondiale contemporanea e un apprezzamento delle tecniche di riduzione dei dati, voglio costruire un compito che crei una tipologia di diversi tipi di paesi (ad es. …

11 pca factor-analysis dimensionality-reduction

2

Come determinare i parametri per t-SNE per ridurre le dimensioni?

Sono molto nuovo con gli incantesimi di parole. Voglio visualizzare come stanno i documenti dopo l'apprendimento. Ho letto che t-SNE è l'approccio per farlo. Ho 100K documenti con 250 dimensioni come dimensione dell'incorporamento. Ci sono anche diversi pacchetti disponibili. Tuttavia, per t-SNE, non so quante iterazioni o il valore di …

11 pca dimensionality-reduction word2vec word-embeddings tsne

3

Il primo componente principale non separa le classi, ma altri PC lo fanno; come è possibile?

Ho eseguito PCA su 17 variabili quantitative al fine di ottenere un insieme più piccolo di variabili, ovvero i componenti principali, da utilizzare nell'apprendimento automatico supervisionato per classificare le istanze in due classi. Dopo PCA il PC1 rappresenta il 31% della varianza nei dati, PC2 rappresenta il 17%, PC3 rappresenta …

11 machine-learning classification pca dimensionality-reduction

4

La "proiezione casuale" non è strettamente una proiezione?

Le attuali implementazioni dell'algoritmo di proiezione casuale riducono la dimensionalità dei campioni di dati mappandoli da a usando una matrice di proiezione cui voci sono tratte da una distribuzione adatta (ad esempio da ):RdRd\mathbb R^dRkRk\mathbb R^kd×kd×kd\times kRRRN(0,1)N(0,1)\mathcal N(0,1) x′=1k√xRx′=1kxRx^\prime = \frac{1}{\sqrt k}xR Convenientemente, esistono prove teoriche che dimostrano che questa …

10 terminology dimensionality-reduction linear-algebra random-projection

3

Quando useresti PCA anziché LDA nella classificazione?

Sto leggendo questo articolo sulla differenza tra l'analisi dei componenti di principio e l'analisi discriminante multipla (analisi discriminante lineare) e sto cercando di capire perché dovresti mai usare PCA piuttosto che MDA / LDA. La spiegazione è riassunta come segue: parlando approssimativamente in PCA stiamo cercando di trovare gli assi …

10 classification pca dimensionality-reduction discriminant-analysis

1

La PCA su larga scala è persino possibile?

Il modo classico di analisi dei componenti principali (PCA) è quello di farlo su una matrice di dati di input le cui colonne hanno media zero (quindi il PCA può "massimizzare la varianza"). Ciò può essere ottenuto facilmente centrando le colonne. Tuttavia, quando la matrice di input è sparsa, la …

10 pca algorithms dimensionality-reduction large-data sparse

1

t-SNE con variabili miste continue e binarie

Attualmente sto studiando la visualizzazione di dati ad alta dimensione usando t-SNE. Ho alcuni dati con variabili binarie e continue miste e i dati sembrano raggruppare i dati binari troppo prontamente. Naturalmente questo è previsto per i dati in scala (tra 0 e 1): la distanza euclidea sarà sempre massima …

10 python dimensionality-reduction unsupervised-learning tsne mixed-type-data

2

Perché PCA massimizza la varianza totale della proiezione?

Christopher Bishop scrive nel suo libro Pattern Recognition and Machine Learning una dimostrazione che ogni componente principale consecutivo massimizza la varianza della proiezione in una dimensione, dopo che i dati sono stati proiettati nello spazio ortogonale ai componenti precedentemente selezionati. Altri mostrano prove simili. Tuttavia, ciò dimostra solo che ogni …

10 machine-learning variance pca dimensionality-reduction eigenvalues

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

Domande taggate «dimensionality-reduction»