在Shiny中切换2组和2组以上LDA时维度数不正确
可能是由于以下原因导致的：
- 数据维度不匹配：在切换LDA时，可能存在两组或多组数据的维度不一致。这可能是因为不同组的数据集具有不同的特征数或样本数。解决方法是确保所有数据集具有相同的维度，可以使用数据预处理方法进行特征选择或维度匹配。
- 参数设置错误：在切换LDA时，可能存在参数设置错误导致维度数不正确。LDA算法中的参数包括主题数、迭代次数等。确保在切换LDA时，正确设置参数以适应不同的数据集。
- 算法实现问题：在Shiny中使用的LDA算法实现可能存在bug或不完善的地方，导致切换2组及以上LDA时维度数不正确。建议检查所使用的LDA算法实现是否有更新版本或修复的补丁。
针对这个问题，腾讯云提供了一系列与云计算相关的产品和服务，可以帮助解决数据处理和分析的需求。其中，推荐的产品是腾讯云人工智能平台（https://cloud.tencent.com/product/ai）和腾讯云数据分析平台（https://cloud.tencent.com/product/dla），这些产品提供了丰富的工具和功能，可以支持数据处理、机器学习、人工智能等领域的应用。
相关·内容
为什么用mqtt用户名与密码的方法连接腾讯云mqtt服务器后，一段时间(几天)不连接后会自动断开？然后在使用相同的用户名与密码再次连接时就再也连接不上了。
操作方法：
1. 使用了腾讯给的腾讯云物联网平台生成小工具自动生成用户名与密码
2. 使用MQTT.fx工具连接或者其他设备连接腾讯云mqtt服务器
结果：
使用原先同样的用户名与密码，在断开与腾讯云mqtt服务器一段时间(一般几天)后就再也无法使用相同的用户与密码连接到mqtt云服务器了
浏览 1472提问于2021-02-17
近日，神州高铁与腾讯云计算有限责任公司签署了《框架合作协议书》。双方一致同意建立长期合作伙伴关系，充分发挥各自优势，共同推动互联网、大数据、云计算、物联网、人工智能等在轨道交通产业领域的应用。
浏览 1387提问于2018-07-24
我试图在matplotlib图上绘制一个具有二进制分类的3功能数据集。这适用于指南()中提供的示例数据集，但是当我尝试插入自己的数据集时，LinearDiscriminantAnalysis只会输出一个一维系列，不管我在"n_components“中输入了多少。为什么这不适用于我自己的代码？
Data = pd.read_csv("DataFrame.csv", sep=";")
x = Data.iloc[:, [3, 5, 7]]
y = Data.iloc[:, 8]
lda = LDA(n_components=2)
lda_transform
浏览 0提问于2018-04-21得票数 2
回答已采纳
很多公司已经开始持续收集、分析数据，用于异常处理、趋势预测、精准营销、风险控制等场景，希望利用数据的潜在价值，提高公司盈利能力和竞争力。那么腾讯云时序数据库 CTSDB VS 传统时序数据库，腾讯云时序数据库有没有什么进步？
浏览 1731提问于2018-09-26
4回答
腾讯云文档中没有关于TBDS数据接入组件的说明，TBDS都支持哪些数据来源？是否支持工业物联网设备实时数据采集？是否支持如达梦、翰高等国产数据库？另外机器学习平台DI-X也没有相关文档支持。
[附加信息]
浏览 679提问于2018-04-08
1回答
我被要求对我的一个项目的一组数据执行线性判别分析。我使用的是ALGLIB (C++版本)，它有一个which _ how函数，但是我需要一些帮助来理解如何使用它。
用户回答了一组6个问题(答案是1-7中的一个数字)，这给了我一个示例数据集，例如{1,2,3,4,5,6}。然后我有5个类，每个类有6个值，例如{0.765，0.895，1.345，2.456，0.789，5.678}。fisher lda函数接受一个二维数组的值，并返回另一个一维数组(我不知道它们是什么意思)。
据我所知，我需要看看用户的答案最适合哪一类？
任何帮助理解LDA和/或如何使用此功能的人都将不胜感激。
编辑：
下面是我
浏览 3提问于2015-07-27得票数 0
1回答
我试图在的基础上，在sklearn Python中使用LDA绘制sklearn虹膜数据集的边界线。
对于二维数据，我们可以很容易地使用LDA.coef_和LDA.intercept_绘制线条。
但是对于被简化为两个组件的多维数据，LDA.coef_和LDA.intercept有很多维，我不知道如何用它们来绘制二维降维图中的边界线。
我试过只使用LDA.coef_和LDA.intercept的前两个元素来绘制图，但没有成功。
import matplotlib.pyplot as plt
import numpy as np
from sklearn import datasets
from s
浏览 0提问于2019-09-03得票数 3
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？
显然，我必须对它们进行降维。但是，由于PCA算法和其他算法一样，通常采用轴旋转来生成一些新的轴。我认为我不会在降维中使用PCA算法。因此，我计算了这些列(参数)之间的相关性，并过滤了那些具有高值和其他一些规则的人。所以我还能称它为降维吗？因为我只做了一些参数过滤
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。
请评论一下，任何批评都是受欢迎的。
浏览 0提问于2017-03-21得票数 1
2回答
一个热编码大数据集
、、、
最初，我有一个数据集，其中每一行都有他购买的user_id和product_ids。
在该数据集中，有478191种产品是由不同的用户购买的。
为了发现一起购买的频繁项目，我将使用关联规则，先验算法。因为先验算法希望有一个热编码的特性。我需要product_ids单热编码。
Scikit-学习一个热编码(稀疏matrix=True)导致内存错误。我还能用什么方法呢？(使用Python)
浏览 0提问于2018-06-10得票数 6
2回答
几天前，一家人工智能金融服务提供商给我们上了一课，并提到你应该根据具体的算法(你是using.For的例子)来进行具体的特征工程。当使用物流回归时，将更多的特征(不相关)(如将连续变量结合成离散变量)拟合成离散的特征往往是suggested.Because物流回归的一个简单算法，我们试图以更好地分离样本的方式来提高维数。
我搜索了很多(也许还没有)，大多数材料是“为什么/什么特性工程重要”，“缩放/标准化/连续变量”，“处理空值”或一些没有离散操作的理论评论。
为什么和如何在特定的algorithm.Or上工作
(我不擅长英语，如果我不清楚的话，很抱歉)
我不期待一个详细的答案，对这部分有一些
浏览 0提问于2018-02-28得票数 0
2回答
我正在尝试对一组45维的数据点向量使用某种聚类方法。我对数据点的聚类比较陌生，我想知道是否有人能指出合适的方法来使用？我曾尝试使用K-Means聚类，但我想知道我的数据的维度是否太大了？
浏览 1提问于2019-05-29得票数 1
物联网、大数据、云计算、人工智能之间的关系如何？
大数据、云计算，人工智能的发展，对物联网会有哪些帮助？
浏览 2534提问于2018-04-12
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
相信大家对本期腾讯云开发者社区技术沙龙【计算机视觉的原理及最佳实践】还意犹未尽，所以我们请来了沙龙的五位分享嘉宾在本版块为各位开发者们继续解答关于计算机视觉的问题。同时，对本场沙龙感兴趣的小伙伴也可以点击链接直达沙龙活动页，观看沙龙回放并下载沙龙资料。
【分享嘉宾介绍】
image.png
范锦
腾讯云资深技术专家
冀永楠
腾讯云资深技术专家
陈琪
华图在线高级产品经理
卓伟
腾讯云高级研发工程师
周吉成
腾讯云高级产品经理
【问答内容】
1. 图像识别系统的原理和应用方法
2. 腾讯云API搭建图像识别应用的优势？
3. 人脸识别技术在各领域的解决方案
4. 文字识别的技术难点
5. 搭建人
浏览 929提问于2019-04-12
是否有一个已知的通用统计技术表来解释它们如何与样本大小和尺寸进行缩放？例如，前几天，我的一位朋友告诉我，简单地快速排序大小为n的一维数据的计算时间为n*log(n)。
例如，如果我们将y与X的回归，其中X是一个d维变量，它是O(n^2*d)吗？如果我想要通过精确的Gauss解与牛顿法的数值最小二乘法求出解，它是如何缩放的？还是简单地获得解决方案和使用重要性测试？
我想我更想要一个好的答案来源(比如一篇总结各种统计技术的论文)，而不是一个好的答案。比如，一个列表，包括多元回归，logistic回归，PCA，cox比例风险回归，K-均值聚类等等。
浏览 0提问于2014-08-05得票数 10
我一直在探索多维数据的聚类算法(K-均值、K-Medoid、Ward聚集、高斯混合建模、BIRCH、DBSCAN、光学、公共最近邻聚类)。我相信，我的数据中的集群发生在特性的不同子集中，而不是发生在所有特性之间，而且我相信这会影响聚类算法的性能。
为了说明，下面是模拟数据集的Python代码：
## Simulate a dataset.
import numpy as np, matplotlib.pyplot as plt
from sklearn.cluster import KMeans
np.random.seed(20220509)
# Simulate three clus
浏览 0提问于2022-05-09得票数 1
回答已采纳
2回答
import logging
logging.basicConfig(format='%(asctime)s : %(levelname)s : %(message)s', level=logging.INFO)
from gensim import corpora, models, similarities
from nltk.corpus import stopwords
import codecs
documents = []
with codecs.open("Master_File_for_Docs.txt", encoding = 'utf
浏览 1提问于2015-09-13得票数 1
我有200张尺寸为28x28的图像的训练数据集，我将其存储在train_dataset中，形状为200 x (28 * 28 ).Labels是形状为200的一维。即培训：(200，28，28) (200 )
我需要将这些训练数据拟合成物流回归模型中的训练数据。 fit (train_dataset，train_label)，但是fit(X，y，sample_weight=None)的拟合参数有数组(X).dim< 2和数组(Y).dim<2。
那么，除了缩小train_dataset之外，还有其他选择吗?但是它需要很大的空间，即尺寸为200x (28 * 28)的2d数组，也可以
浏览 7提问于2016-07-17得票数 1
我正在学习机器学习，最近我研究了使用线性判别分析对线性可分数据进行分类。为此，我使用了scikit-learn包和函数
.discriminant_analysis.LinearDiscriminantAnalysis
关于MNIST手写数字数据库中的数据。我已经使用数据库来拟合模型并对测试数据进行预测，方法如下：
LDA(n_components=2)
LDA_fit(data,labels)
LDA_predict(testdata)
它工作得很好。我得到了95%的不错的准确率。但是，预测函数使用来自所有784个维度的数据(对应于28x28像素的图像)。我不明白为什么所有的维度都用于预测？
浏览 3提问于2018-12-21得票数 1
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
热门标签
云服务器
ICP备案
实时音视频
即时通信 IM
对象存储活动推荐
腾讯云开发者
