Statistiche e Big Data multidimensional-scaling

5

Qual è la differenza tra l'analisi dei componenti principali e il ridimensionamento multidimensionale?

In cosa differiscono PCA e MDS classico? Che ne dici di MDS contro MDS non metrico? C'è un momento in cui preferiresti l'uno all'altro? In cosa differiscono le interpretazioni?

133 pca multidimensional-scaling pcoa

3

Eseguire la normalizzazione delle funzioni prima o all'interno della convalida del modello?

Una buona pratica comune in Machine Learning è quella di caratterizzare la normalizzazione o la standardizzazione dei dati delle variabili del predittore, tutto qui, centrare i dati sottraendo la media e normalizzarli dividendoli per la varianza (o anche la deviazione standard). Per l'autocontenimento e per la mia comprensione facciamo questo …

52 machine-learning normalization standardization multidimensional-scaling

7

Normalizzazione e standardizzazione dei dati nelle reti neurali

Sto cercando di prevedere il risultato di un sistema complesso che utilizza reti neurali (ANN). I valori di risultato (dipendenti) vanno da 0 a 10.000. Le diverse variabili di input hanno intervalli diversi. Tutte le variabili hanno distribuzioni approssimativamente normali. Considero diverse opzioni per ridimensionare i dati prima dell'allenamento. Un'opzione …

40 machine-learning neural-networks multidimensional-scaling

3

se ridimensionare indicatore / binario / predittori fittizi per LASSO

Per LASSO (e altre procedure di selezione dei modelli) è fondamentale ridimensionare i predittori. La raccomandazione generale che seguo è semplicemente quella di utilizzare una media di 0, 1 normalizzazione di deviazione standard per variabili continue. Ma cosa c'è da fare con i manichini? Ad esempio alcuni esempi applicati della …

30 predictive-models model-selection lasso standardization multidimensional-scaling

1

t-SNE contro MDS

Recentemente ho letto alcune domande su t-SNE ( t-Distributed Stochastic Neighbor Embedding ) e ho anche visitato alcune domande su MDS ( Multidimensional Scaling ). Sono spesso usati in modo analogo, quindi mi è sembrata una buona idea fare questa domanda visto che qui ci sono molte domande su entrambi …

21 data-visualization dimensionality-reduction multidimensional-scaling tsne

5

Esistono versioni di t-SNE per lo streaming dei dati?

La mia comprensione di t-SNE e dell'approssimazione di Barnes-Hut è che tutti i punti dati sono richiesti in modo che tutte le interazioni di forza possano essere calcolate contemporaneamente e ogni punto possa essere regolato nella mappa 2d (o di dimensione inferiore). Esistono versioni di t-sne in grado di gestire …

19 data-visualization dimensionality-reduction multidimensional-scaling tsne

3

Qual è il ruolo dell'MDS nelle statistiche moderne?

Di recente mi sono imbattuto in un ridimensionamento multidimensionale. Sto cercando di capire meglio questo strumento e il suo ruolo nelle statistiche moderne. Quindi, ecco alcune domande guida: A quali domande risponde? Quali ricercatori sono spesso interessati a usarlo? Esistono altre tecniche statistiche che svolgono funzioni simili? Quale teoria si …

18 multidimensional-scaling

1

RandomForest - Interpretazione del diagramma MDS

Ho usato randomForest per classificare 6 comportamenti animali (ad es. In piedi, camminare, nuotare, ecc.) In base a 8 variabili (diverse posture del corpo e movimento). MDSplot nel pacchetto randomForest mi dà questo output e ho problemi nell'interpretazione del risultato. Ho fatto un PCA sugli stessi dati e ho già …

14 r classification random-forest multidimensional-scaling

4

Esecuzione di PCA con solo una matrice di distanza

Voglio raggruppare un enorme set di dati per il quale ho solo le distanze a coppie. Ho implementato un algoritmo k-medoids, ma ci vuole troppo tempo per essere eseguito, quindi vorrei iniziare riducendo la dimensione del mio problema applicando PCA. Tuttavia, l'unico modo che conosco per eseguire questo metodo è …

12 pca dimensionality-reduction multidimensional-scaling

3

Come proiettare uno spazio ad alta dimensione in un piano bidimensionale?

Ho un set di punti dati in uno spazio N-dimensionale. Inoltre, ho anche un centroide in questo stesso spazio N-dimensionale. Esistono approcci che possono permettermi di proiettare questi punti di dati in uno spazio bidimensionale mantenendo le informazioni relative alla distanza nello spazio originale. PCA è quello corretto?

11 data-visualization pca multidimensional-scaling

2

Visualizzazione di dati multidimensionali (LSI) in 2D

Sto usando l'indicizzazione semantica latente per trovare somiglianze tra i documenti ( grazie, JMS! ) Dopo la riduzione delle dimensioni, ho provato il clustering k-means per raggruppare i documenti in cluster, il che funziona molto bene. Ma mi piacerebbe andare un po 'oltre e visualizzare i documenti come un insieme …

11 data-visualization clustering python multidimensional-scaling

2

Riduzione dimensionale scalabile

Considerando il numero di funzionalità costante, Barnes-Hut t-SNE ha una complessità di , proiezioni casuali e PCA hanno una complessità di che le rende "convenienti" per insiemi di dati molto grandi.O ( n )O(nlogn)O(nlog⁡n)O(n\log n)O(n)O(n)O(n) D'altra parte, i metodi basati sul ridimensionamento multidimensionale hanno una complessità .O ( n2)O(n2)O(n^2) Esistono …

9 pca dimensionality-reduction large-data multidimensional-scaling tsne

1

Normalizzazione degli input per i neuroni ReLU

Secondo "Efficient Backprop" di LeCun et al (1998) è buona norma normalizzare tutti gli input in modo che siano centrati attorno a 0 e rientrino nell'intervallo della seconda derivata massima. Quindi, per esempio, useremmo [-0.5,0.5] per la funzione "Tanh". Questo per aiutare il progresso della retro-propagazione man mano che l'Assia …

9 machine-learning neural-networks normalization deep-learning multidimensional-scaling

Domande taggate «multidimensional-scaling»