腾讯云
开发者社区
文档
建议反馈
控制台
首页
学习
活动
专区
工具
TVP
最新优惠活动
文章/答案/技术大牛
搜索
搜索
关闭
发布
登录/注册
精选内容/技术社群/优惠产品,
尽在小程序
立即前往
文章
问答
(9999+)
视频
沙龙
1
回答
全息
视图
:
使用
降
维
进行
数据
集
选择
python
、
holoviews
vdims=hv.Dimension('T', range=(0, .9))) ds.select(c='a',t=0) 返回 :Dataset [t,c,y,x] (T) 如何获取删除了单
维
的
数据
集
浏览 11
提问于2020-04-07
得票数 0
1
回答
机器学习--特征
选择
还是
降
维
?
machine-learning
、
artificial-intelligence
、
feature-selection
、
dimensionality-reduction
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
<e
浏览 1
提问于2017-12-16
得票数 0
1
回答
如何在Rapidminer中
选择
依赖于PC的记录来
降
维
?
pca
、
rapidminer
、
dimensionality-reduction
我是Rapidminer的新手,所以我有一个巨大的
数据
集
,我
使用
主成分分析来
降
维
,问题是当我得到PC时,我不知道如何
选择
依赖于它的记录,我如何才能创建一个新的
降
维
数据
集
?这就是我想要
使用
的: ? 这就是我所得到的: ? ?
浏览 57
提问于2019-02-16
得票数 0
1
回答
大家好,tensorflow需要
降
维
吗?
python
、
deep-learning
、
tensorflow
、
transfer-learning
、
vgg16
我的工作是利用FER2013
数据
集
和vgg16模型
进行
人脸情感检测。我正在将t-sne应用于我的训练
数据
集
,用于
降
维
. 我的问题是“tensorflow需要
降
维
吗?”
浏览 0
提问于2022-09-05
得票数 0
回答已采纳
1
回答
良好的预处理
数据
集
preprocessor
、
machine-learning
、
data-mining
我注册了一门
数据
挖掘的研究生课程,我的任务是编写
数据
挖掘预处理器的代码。我可以自由
选择
编程语言和
数据
集
。我想知道是否有人能提出一个很好的
数据
集
供
使用
。我一直在浏览,我找到了更多这样的资源。但作为一个初学者,我不确定哪一组
数据
会是一个好的
选择
。预处理程序应该处理以下内容: 抽样技
浏览 2
提问于2011-10-31
得票数 3
回答已采纳
1
回答
特征提取后的特征
选择
machine-learning
、
feature-extraction
、
feature-selection
我读到,建议在feature selection进程之后
使用
feature extraction。但在我读到的所有帖子中都缺少了一些东西:2个问题: 我们需要在:上运行feature selection假设我们对特征提取的结果
进行
特征
选择
,而不是所有通过特征
选择
算法
选择
的新特征(即3中的2),如果我们能够删除“新”
维
数中的一个,那么特征提取的输出就显得不够好。
浏览 3
提问于2020-05-02
得票数 0
3
回答
基于PCA的神经网络
降
维
方法?
machine-learning
、
neural-network
、
dimensionality-reduction
、
pca
从
数据
库中提取的
数据
集
由50多个列组成,我将这些列称为_dimension_s,可以称之为_dimension_s吗?我之所以不
使用
PCA算法,是因为我想实现神经网络分类,而且我需要实际
浏览 0
提问于2017-03-21
得票数 1
2
回答
什么时候应该
使用
主成分分析?
machine-learning
、
dimensionality-reduction
在机器学习中,更多的特征或维度会降低模型的精度,因为有更多的
数据
需要泛化 和 ,这就是所谓的
维
数灾难。我应该在什么时候/如何考虑我的
数据
集
具有许多特征,并且我应该寻找PCA来
进行
降
维
?
浏览 2
提问于2019-06-09
得票数 2
1
回答
在
降
维
后
使用
哪种不同/相似度量( PCA / AutoEncoder /. )?
similarity
、
dimensionality-reduction
假设我们正在处理由实向量组成的
数据
集
。我认为我们主要
使用
欧几里德距离,特别是在低
维
。不幸的是,我们经常需要处理庞大的维度
数据
集
,我们
使用
潜水员
降
维
技术来使问题更容易解决。我很高兴知道您在
进行
维
数约简后
使用
的不同相似/不同度量的意见,以及它们对分类/回归/聚类度量的影响。 在PCA或其他距离度量之后
使用
欧氏距离更好吗?为什么?如果我更喜
浏览 0
提问于2018-02-03
得票数 4
1
回答
即使特征的数量小于观察的数量,我是否可以应用特征
选择
?
machine-learning
、
feature-selection
、
data-analysis
当我看到高
维
部分时,我正在读“统计学习导论”,他们认为高
维
数据
会引起很多问题。我的问题是,要应用任何特征
选择
模型,必须有更多的特征而不是观察。 如果是的话,你能给我提供任何关于它的文章吗?
浏览 0
提问于2020-11-25
得票数 0
回答已采纳
1
回答
用于
数据
约简的主成分分析(PCA)与额外树分类器
python
、
pandas
、
machine-learning
、
scikit-learn
、
jupyter-notebook
我有一个由13列组成的
数据
集
,我希望
使用
PCA
进行
数据
约简以删除不需要的列。我的问题是PCA没有真正显示列名,而是PC1、PC2等。我发现额外的树分类器做了同样的事情,但确实显示了每个列的变化。还有人会建议一种更好的
数据
缩减方法吗? 我的最后一个问题是,我有一个额外的树分类器的代码,并想确认它是否正确?
浏览 3
提问于2020-02-20
得票数 1
回答已采纳
2
回答
用主成分分析法展开
维
数
pca
、
dimensionality-reduction
我试图
使用
the算法
进行
降
维
,我知道这不是这个算法的主要用途,也不推荐。我看到了一个在t上实现的这里。,我不相信这个实现。该算法的工作方式如下:在完整
数据
集
上运行the (不包括目标变量) 将the的输出作为K个新列添加到完整的
数据
集中,K是the的映射
维
数。将整个
数据
浏览 0
提问于2022-03-14
得票数 1
回答已采纳
1
回答
图像的
降
维
方法
image-processing
、
machine-learning
、
matlab
、
dimensionality-reduction
我试图用Matlab工具箱对一组图像的
维
数
进行
降
维
。问题是:我对
降
维
知之甚少。因此,我尝试了每一个尝试和错误,将
数据
集
传递给函数。到目前为止,我已经尝试了6次,PCA返回了一个复数矩阵。
浏览 3
提问于2012-05-07
得票数 4
回答已采纳
1
回答
曲线结构
数据
的
降
维
pca
、
dimensionality-reduction
我一直在
使用
PCA
降
维
的
数据
集
是相当线性的,现在我的任务是相同的
数据
集
,大部分是弯曲的空间。想象一个噪声的正弦波,为了简单。 PCA在这种情况下仍然有用吗?如果没有,更合适的
降
维
方法是什么?
浏览 0
提问于2022-04-24
得票数 0
2
回答
PCA vs.KernelPCA:高
维
数据
使用
哪一种?
feature-selection
、
pca
、
dimensionality-reduction
、
kernel
、
linearly-separable
我有一个包含许多特性(>>3)的
数据
集
。由于计算上的原因,我想应用
降
维
。此时,我可以
使用
不同的技术: 标准PCA内核PCA LLE .我的问题是
选择
正确的方法,因为特性的数量很高,我无法事先知道点的分布情况。只有在我有3D
数据
的情况下,我才能做到这一点,但在我的例子中,我有更多的
数据
。例如,我知道,如果点的集合是线性可分离的,我可以
使用
标准PCA;如果它是某种同心圆,比如形状,那么KernelPCA将是一个更好的
选
浏览 0
提问于2020-06-04
得票数 1
回答已采纳
1
回答
我是否应该对整个
数据
集
执行线性判别分析以
进行
降
维
?
python
、
scikit-learn
、
lda
、
dimensionality-reduction
我不明白如何
使用
LDA仅仅用于
降
维
。我正在尝试
使用
LDA
进行
降
维
,
使用
sklearn中的。问题似乎出在我转换测试
数据
的时候。 它具有良好的类分离能力。我假设这可能是一个小
数据
集
的结果(只有75个样本均匀分布在5个类别中),但
浏览 0
提问于2016-10-28
得票数 1
2
回答
如何在测试
数据
中
选择
与在列车
数据
中
选择
的相同功能?
python
、
machine-learning
、
scikit-learn
、
feature-selection
、
kaggle
我有一个
数据
准备功能,它
使用
递归特征消除(RFE)来
进行
特征
选择
,如下所示:X_selectedrfe.fit_transform(X, y)在X, y = dataset.iloc[:,:-1], dataset.iloc[:,-1:]中,当我
使用
训练
数据
集
时,它工作得很好,但是当我
浏览 6
提问于2021-05-29
得票数 0
回答已采纳
1
回答
R中的ProClus聚类分析
r
、
parameters
、
cluster-analysis
、
dimensionality-reduction
对于我的论文作业,我需要对包含从零售店(+1000
维
)购买
数据
的高
维
数据
集
执行聚类分析。因为传统的聚类算法不能很好地适用于高
维
数据
(并且
降
维
并不是一个真正的
选择
),所以我想尝试专门为高
维
数据
开发的算法(例如ProClus)。 我不知道我应该为参数d
使用
什么值。有人能帮我吗?
浏览 3
提问于2016-03-14
得票数 0
1
回答
在哪些情况下,Isomap不能做好工作?
machine-learning
、
scikit-learn
、
dimensionality-reduction
如前所述,什么是可能的场景/
数据
集
/案例,其中的Isomap未能
进行
一个体面的
降
维
?
浏览 0
提问于2019-03-18
得票数 3
回答已采纳
2
回答
含缺失值的分类
数据
降
维
python
、
r
、
statistics
我有一个回归模型,其中因变量是连续的,但是90%的自变量是绝对的(包括有序的和无序的),大约30%的记录有缺失的值(更糟糕的是,它们是随机丢失的,没有任何模式,也就是说,超过45%的
数据
至少有一个缺失值没有先验理论来
选择
模型的规格,因此在
进行
回归之前,关键任务之一是
降
维
。虽然我知道几种连续变量
降
维
的方法,但我不知道关于分类
数据
的类似静态文献(除了,作为对应分析的一部分,这基本上是频率表上主成分分析的一种变化)。我还要补充一点,
数据
<e
浏览 8
提问于2010-05-14
得票数 24
回答已采纳
点击加载更多
扫码
添加站长 进交流群
领取专属
10元无门槛券
手把手带您无忧上云
相关
资讯
CT影像可转全息教材,云视图研全息智慧课堂将打通医学教学场景
微软新专利提出解决方案
机器学习100天-Day1902降维
微美全息(WIMI.US)研究基于多视图的数据融合算法,挖掘数据价值
常见的降维技术比较:能否在不丢失信息的情况下降低数据维度
热门
标签
更多标签
活动推荐
运营活动
广告
关闭
领券