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
我对工作流程的理解是运行LDA -> Extract keywards (例如，每个主题的前几个单词)，从而降低维度->一些后续分析。另外，还有一个不相关的问题--是在这里问这个问题更好，还是在交叉验证时问这个问题更好？
浏览 2提问于2015-09-27得票数 0
1回答
我正在研究一个包含22个特征的不平衡天气数据的分类(3类)。即使应用PCA和the，数据也是重叠的。到目前为止，最优的分类分数是使用基于树的方法。为什么会有这样的PCA绘图，我能实现什么技术来获得超过80%的准确性？📷
浏览 0提问于2021-10-26得票数 1
2回答
我不明白自动编码器是如何实现降维的，因为它学会了将数据从输入层压缩成一段短代码，然后将该代码解压缩到原始数据中，我看不出降维在哪里:输入数据和输入数据具有相同的维数？
浏览 0提问于2018-06-13得票数 2
回答已采纳
1回答
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，然后进行降维-或者反之亦然)？
浏览 1提问于2017-12-16得票数 0
2回答
降维
、、
我正在尝试理解数据分析中降维的不同方法。特别是，我对奇异值分解(SVD)和主成分分析(PCA)感兴趣。a) SVD和PCA如何做到这一点，以及b)它们在方法上有何不同
或者如果你能解释一下每种技术的结果告诉我什么，那么对于a) SVD -什么是奇异值
浏览 6提问于2017-10-27得票数 1
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？
浏览 57提问于2019-02-16得票数 0
1回答
众所周知，如果矩阵的列维或行维为1，则R试图将矩阵降为向量，使用drop=F命令可以防止这种自动降维。但是，我目前正在编写一个大型的R包，需要在代码中禁用数百次降维，以便手动查找这些位置并添加数百次drop=F。
因此，我想知道是否有任何选项或可能性一般禁用降维矩阵中的R？
浏览 2提问于2012-08-30得票数 28
回答已采纳
1回答
有人能指出特征选择和聚类以及降维算法之间的区别吗？聚类帮助我们指出哪些变量簇清楚地定义了输出。这与降维算法不一样吗？特征选择+聚类不是和降维算法一样吗？
浏览 4提问于2015-10-27得票数 0
2回答
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。
降维是一种降低模型复杂性并避免过拟合的方法。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
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
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。有多维降维算法。如何比较非线性的？什么时候一种算法比其他算法更好？尤其是:它们是否优于神经网络的瓶颈特性？
*：您可能也可以为其他降维算法回答这个问题，但the似乎是最流行的算法。请注意:我确实看到了压缩/更容易优化/更快推理的
浏览 0提问于2017-03-29得票数 2
我想要可视化的主题建模与LDA-算法。我使用称为"pyldavis“的python模块，并使用jupyter笔记本作为环境。...pyLDAvis.sklearn.prepare(lda_tf, dtm_tf, tf_vectorizer, mds='mmds')
pyLDAvis.sklearn.prepare(lda_tf, dtm_tf, tf_vectorizer, mds='tsne'
浏览 7提问于2018-06-19得票数 2
我正在做一个降维实验，想要根据降维的结果在低维(2D)空间中演示人脸。当人脸是PNG格式时，我的MATLAB脚本工作得很好。但是它不适用于EPS文件，因为至少imread无法识别EPS格式。
浏览 1提问于2012-12-14得票数 2
当我减少列/特征的数量时，我如何确保最少的信息丢失，或者我如何知道我是否丢失了大量信息？我可以删除的最佳特征数是多少，我如何知道我没有过度拟合模型？
浏览 2提问于2019-08-23得票数 0
1回答
我的问题是，如果我们有10列连续变量，我们是否可以使用k-means将10列缩减为1，并使用相应的聚类标签，然后进行决策树或逻辑回归？ 如果有新的数据进入，使用k-mean结果来确定其标签，并转到机器学习模型。
浏览 65提问于2020-02-01得票数 0
我正在读一些IMDB电影评论情感分类器，上面是Keras。以下是模型定义： model = keras.Sequential()model.add(keras.layers.GlobalAveragePooling1D())model.add(keras.layers.Dense(1, activation="sigmoid")) 我不理解的是Globa
浏览 13提问于2019-06-18得票数 0
回答已采纳
云服务器
ICP备案
对象存储
云直播
腾讯会议
腾讯云开发者
