当我运行下面的代码时，我看到了“pca.explained_variance_ratio_”和一个直方图，它显示了每个特征解释的方差比例。pca.explained_variance_ratio_, color='gold')plt.ylabel('Variance %')
如何将PCA 1和2映射回数据框中的原始<e
浏览 23提问于2021-05-18得票数 2
回答已采纳
1回答
我确实理解主成分分析。我知道怎么做，以及它实际做了什么。我已经应用了PCA，我的最佳结果显示是两个组件。我确实理解，我的每一个输入现在在每个组件中都起到了部分作用。我不明白的是如何将PCA的结果(在我的例子中是2个组件)提供给机器学习模型？我们如何输入它们呢？例如，当我想对我的特征</
浏览 2提问于2018-05-12得票数 1
我尝试使用princomp()和principal()在数据集为USArressts的R中进行主成分分析。然而，我得到了两个不同的加载/旋转和分数的结果。principalPCA <- principal(USArrests, nfactors=4 , scores=TRUE, rotate = "none",scale=TRUE)
然后，我使用以下命令获得了负载和分数的结果我们如何解释这些<em
浏览 6提问于2016-04-16得票数 1
1回答
我想使用DBN来减少nslkdd数据集的41个特性，在将名义数据转换成数字之后，功能的数量从41个增加到121个。我使用了3个RBM (121-50-10)，现在我想知道所选的10个特性，即知道它们的名称，将它们作为分类器的输入。我该怎么做呢？
浏览 0提问于2018-06-12得票数 3
1回答
如何确定我的机器学习模型的最佳策略？例如，让我们考虑一个场景，其中我正在处理线性回归，并希望比较三种不同的方法。第一种方法涉及使用所有特征作为输入，第二种方法需要手动选择最相关的特征作为输入，第三种方法涉及到实现主成分分析(PCA)。考虑到这三种方法，是否应该使用k-折叠交叉验证来评估每一种方法，而不需要再培训模型，然后比较交叉
浏览 0提问于2023-06-01得票数 0
1回答
我注意到R中的一些东西，比如pc是将主成分分析应用于数据矩阵的结果，pc$x是我的样本主成分矩阵。当尝试plot(pc$x)时，它只绘制第一个主成分(pc1)和第二个主成分(pc2)，但实际上我有两个以上的主成分。我如何将它们全部显示出来？
浏览 4提问于2009-11-29得票数 0
我需要从一组图像的视觉特征，以便有一种嵌入的输入图像。我需要的维数是128。我考虑删除预先训练过的模型(如ResNet50 )的最后一层，而不是用平坦层替换最后一个完全连接的层，并对每幅图像进行前向传递。问题是，在扁平层之后，ResNet50给出了一个512个模糊的特征向量。如果我添加另一个输出dim为128的完全连接层，我需要重新训练和微调网络，因为我正在添加新的</em
浏览 1提问于2021-10-03得票数 0
回答已采纳
我试着在R中做主成分分析。我相信有两种方法可以做到。一种是立即进行主成分分析，另一种方法是首先使用s=scale(M)对矩阵进行标准化，然后应用主成分分析。我注意到没有标准化的第一个pca的方差比
浏览 3提问于2009-11-22得票数 3
我正在用分类学习工具箱在Matlab中建立一个logistic回归模型。我在Matlab中运行了PCA：这是coeff，得分，潜在的和解释的输出：
我想使用PCA的结果来减少我在分类学习器中使用的输入特性(基于我的PCA结果)。如何使用PCA
浏览 2提问于2015-09-13得票数 1
1回答
Matlab模型设计后的重用降维
、、、、
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模型的阶段。如何使用(例如，主成分分析)来处理这些数据？我必须像以前
浏览 3提问于2014-03-27得票数 0
回答已采纳
1回答
基于隐马尔可夫模型的手势识别
、、、、
我目前正在研究一个手势识别应用程序，使用隐马尔可夫模型作为matlab上的分类阶段(使用网络摄像头)。我已经完成了预处理部分，包括特征向量的提取。我已经将主成分分析(PCA)应用于这些向量。现在我要使用Kevin的HMM工具箱，我需要我的观察序列以数字(整数)的形式出现，从1到M (M =观察符号的数目)。如果我是正确的，那么我必须使用码本的概念
浏览 1提问于2013-08-26得票数 6
1回答
我想要增加82个元素的特征向量中的一些特征的权重，每个元素有6个训练类，每个类大约120个图像。最好的方法是什么？代码或示例将不胜感激。
浏览 16提问于2017-06-29得票数 0
1回答
在Matlab (神经网络工具箱+图像处理工具箱)中，我已经编写了一个脚本来从图像中提取特征并构造“特征向量”。我的问题是，某些功能比其他功能具有更多的数据。我不希望这些功能比其他数据更少的功能具有更大的意义。例如，我可能有一个由9个元素组成的特征向量：vProjection = [3,16,90,19];featureVector= hProjec
浏览 2提问于2009-09-29得票数 1
回答已采纳
1回答
如何评估用于降维的自动编码器
、、、、
我使用自动编码器作为降维技术，将学习到的表示作为可以用于进一步分析的低维特征。X_input, encoded)
history = AE_model.fit(X_train, X_train, epochs=10, batch_size=32) 我正在寻找一种方法来衡量学习表示的质量error: %.2f MSE (%.2f RMSE)' % (reconstr_error , math.sqrt(reconstr_error ))) 我得到了0.00 MSE (0.05
浏览 23提问于2020-08-25得票数 3
回答已采纳
我正在进行一个特定的kaggle竞赛，那里的用户说他们正在使用>5000的特性，并在上面训练一个XGBoost或随机森林。上面提到的帖子在这里：https://www.kaggle.com/c/walmart-recruiting-trip-type-classification/forums/t/17258/feature-counts我在开发功能空间和创建交互功能之后也尝试过这样做，但是在我的16 so上运行要花费很
浏览 0提问于2015-11-14得票数 2
1回答
我最近开始使用python从事机器学习等相关领域的工作。今天，我正在处理一个数据集，我想在其中应用降维并应用我的模型来评估分数。这个数据集有30个特征。我从一个简单的算法开始，这是Logistic回归，但在应用我的logistic回归之前，我想做一个PCA。为了确定哪个组件的数量是最好的，我使用了带有逻辑回归的gridsearchCV，只使用了C参数和我选择组件数量的主成分
浏览 1提问于2020-10-26得票数 0
1回答
我正在努力解决我面临的问题:我有一个不同产品(汽车)的数据集，这些产品(汽车)在给定的时间内有特定的工作订单。我从历史数据中知道，这项工作总共造成了多少时间。现在我想预测另一辆车(例如第3辆)。📷我的想法是将基于行的数据集转换为基于二进制值的列，例如Brake: 0/1，屏幕0/1。但是我会有很多输入，因为可能的输入数是100-200..
浏览 0提问于2023-01-27得票数 -1
我试图在没有ML框架的Java中使用PCA进行特性选择，只使用Apache数学矩阵库。
输入的测试数据是一个2D数组，4个特性Colsx100行实例。**特征向量表示数据的相对基(轴)**从主成分分析*/ EigenDecomposition分解中计算新变量=新的EigenDecomposition(covarianceMatrix)；对角化协方差矩阵origData.transpose()；/*将投影数据放到低维
浏览 1提问于2019-09-08得票数 0
我正在尝试训练一个LSTM(多到一)模型的多元时间序列输入和分类输出。下面是我刚才提到的内容的摘录。
首先确保输出(因变量)变量(目标或标签)<e
浏览 0提问于2022-02-14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
对象存储
腾讯会议
云直播活动推荐
腾讯云开发者
