3回答
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，而且我需要实际的参数。
请评论一
浏览 0提问于2017-03-21得票数 1
4回答
假设我有一个数据集，但我不知道哪些特性与解决分类/回归问题有关。
在这种情况下，是否值得使用降维算法，然后应用分类算法？或者，我是否可以使用我的常识随机选择我的特性，然后尝试下一步调整我的算法？另外，如果有人对“在现实生活中使用真实用例”对维约简有某种解释，那将是很棒的，因为我觉得我对维约简的理解是错误的！
浏览 0提问于2019-02-20得票数 2
1回答
我正在进行分类，我有一个关于仅用于降维的LDA的问题：
LDA是否适用于包括训练数据和测试数据在内的整体特征矩阵，然后(在减少数据维数后)对特征矩阵进行划分，为分类提供训练和测试集？是真的吗？然后，假设我们需要在应用LDA之前对数据进行分区。如何能够使用Matlab的内部分类器(如kNN和SVM)对测试数据进行分类？
浏览 1提问于2017-09-30得票数 2
1回答
Matlab模型设计后的重用降维
、、、、
我使用支持向量机和MLP对金融数据进行二进制分类。我的输入数据有21个特征，所以我使用了降维方法来减少数据的维数。一些降维方法，如逐步回归报告最佳特征，所以我将使用这些特征作为我的分类模式和另一种方法，如PCA转换数据到一个新的空间，例如，我使用60%的最佳报告列(特征)。关键问题是在使用最终
浏览 3提问于2014-03-27得票数 0
回答已采纳
1回答
自动编码器还是基于层的降维？
、、、、
我有一些广泛的数据。在将数据集输入分类模型之前，我希望减少数据集中的功能数量.或者我不应该？自动编码器( tanh，tanh，tanh层)
或者:大幅度减少输入的数量，也许是通过退出，到分类模型本身的第二层和第三层。还有，卓普特
浏览 0提问于2019-09-22得票数 1
1回答
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
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</em
浏览 0提问于2016-10-28得票数 1
1回答
朴素分类器matlab
、、、、
在matlab中测试朴素分类器时，我得到了不同的结果，尽管我对相同的样本数据进行了训练和测试，但我想知道我的代码是否正确，是否有人能帮助解释为什么会这样呢？我还没有到分类看不见的数据的阶段，但我只想测试它是否会对相同的数据进行分类。
浏览 2提问于2012-07-19得票数 3
回答已采纳
1回答
我想使用LDA进行降维。我正在使用R。我发现的示例主要使用LDA进行分类。那么如何使用LDA进行降维呢？在R中有没有内置的函数调用来进行降维，或者你必须对其进行编码？
谢谢。塞夫万迪
浏览 2提问于2014-01-17得票数 1
2回答
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，
浏览 8提问于2010-05-14得票数 24
回答已采纳
1回答
在无监督学习中，分类数据的最佳编码器是什么？
我在混合数据(如K-均值)上使用无监督的学习。在运行无监督算法之前，我使用FAMD (用于混合数据的PCA)对数据进行降维，这使我能够获得坐标并减少数据集的维数。FAMD需要一个热编码(又名Dummies变量)，它基于SVD.如果维数很高，SVD可能会非常耗时，当我有大量模式的范畴变量时，这就是我的情
浏览 0提问于2022-12-02得票数 1
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
给我一个20122-DIM矩阵，每一列都是一个20元向量。现在我把umap应用到矩阵中，得到一个2_122矩阵和一个umap图。如何度量这个umap模型的拟合优度？有什么标准的方法吗？
浏览 8提问于2022-08-05得票数 0
1回答
自组织映射与线性矢量量化
、、、、
自组织映射更适合于聚类(降维)而不是分类。但是SOM在线性矢量量化中被用来进行微调。但LVQ是一种监督学习方法。因此，要在LVQ中使用SOM，就必须为LVQ提供一个标记的训练数据集。但是由于SOM只做聚类而不进行分类，因此不能有标签数据，那么SOM如何作为LVQ的输入？
LVQ是否微调了SOM中的集群？在LVQ中使用之前，SOM是否应该通过另一种分类算法来对输入进行分类，从而使这些
浏览 1提问于2015-12-08得票数 2
回答已采纳
1回答
我有一个本质上是分类的高维数据集，我使用Kmodes来识别集群，我想可视化集群，最好的方法是什么？PCA似乎不是分类数据集中降维的推荐方法，在这种情况下如何可视化？
浏览 1提问于2017-10-02得票数 0
1回答
在我看来，the和其他降维算法主要是为了获得数据集的印象而将维数降为二维。如果做得好，它们看起来不错(例如，像这样)，但我想知道这是否比在网格上按类显示随机图像/分组更好。我想从以下几个方面得到答复：为什么t-SNE*比仅仅用一个2神经元瓶颈来拟合一个神经网络，然后取两个神经元的归一化值进行嵌入更好呢？t-SNE*有利于分类器的构建吗？我的意思是:如果你已经有了一个比随机/猜测最频繁的类要好得
浏览 0提问于2017-03-29得票数 2
1回答
垃圾邮件过滤中的降维方法
、、、、
朴素贝叶斯，支持向量机，J48，k，RandomForests等.我正在使用WEKA数据挖掘工具.在查阅文献时，我了解到了各种降维方法，这些方法大致可分为两类-
特征约简:主成分分析、潜在语义分析等他在博客中写道：“垃圾邮件过滤是一个典型的文本分类问题，其中降维可能是一个很大的错误。”所以，现在我很困惑，在垃圾邮件过滤的情况下，降维是否有用？但我不知道它是如何工作的，并在<em
浏览 3提问于2014-04-09得票数 0
回答已采纳
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
LDA在主题建模前的降维
、、、
我想用LDA做一些主题建模，但不幸的是，我的数据相当稀疏，结果并不令人满意。因为我仍然想尝试用LDA来解决我的任务(即使可能有更好的可能性)，我正在考虑在LDA之前使用某种降维方法。我知道LDA用于主题建模，但也可以用于降维，那么在使用LDA之前尝试降维有意义吗？如果是，我可以使用什么方法？我认为使用像LSI或SVD这样的东西是
浏览 9提问于2020-05-23得票数 0
回答已采纳
云服务器
ICP备案
云直播
对象存储
实时音视频
腾讯云开发者
