第一个问题，我会尽我最大的努力说清楚。
如果我可以为UMAP提供一个距离函数，该函数还可以输出渐变或其他相关信息，那么我是否可以将UMAP应用于非传统外观数据？(例如，具有不一致维度的点的数据集，大小不一致的矩阵的数据点，等等)我找到的最接近我的问题的东西是这里的文档(<code>C0<&#x
浏览 14提问于2020-11-16得票数 0
回答已采纳
2回答
我注意到UMAP经常与其他聚类算法结合使用，例如K-means、DBSCAN、HDBSCAN。然而，据我所理解，UMAP可以用于集群任务。那么，为什么我注意到人们主要把它作为一种降维技术呢？这里是我所说的一个例子：https://medium.com/grabngoinfo/topic-modeling-with-deep-learning-using-python-bertopic-cf91f5676504UMAP可以单独用于集
浏览 0提问于2023-03-29得票数 0
回答已采纳
1回答
我有一个具有大约100万行和大约500 K稀疏特性的数据集。我想把维数降到1K-5K稠密特征的某个地方。sklearn.decomposition.PCA不工作在稀疏数据上，我尝试过使用sklearn.decomposition.TruncatedSVD，但是很快就得到了一个内存错误。在这个尺度上，我的有效降维选择是什么？
浏览 0提问于2018-08-29得票数 14
回答已采纳
我正在对一个很大的稀疏二进制矩阵进行聚类之前的降维步骤，该矩阵由近3000列和50k行组成。我的想法是用UMAP将3000个维度嵌入到一个二维空间中，然后用HDBScan对得到的5万个二维点进行聚类。我发现UMAP接受了许多选项，比如metric、n_neighbors、min_dist和spread，但是我不知道什么才是给我提供不同集群的最佳组合。对于大多数情况下最能工作
浏览 0提问于2021-07-27得票数 2
2回答
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<e
浏览 0提问于2022-03-14得票数 1
回答已采纳
我想把100维Doc2Vector降到2维，每句的向量都是相同的，即使多次执行也是如此。我尝试过使用these、Umap、PCA等方法，但经过多次试验后，特定句子的向量会发生变化。如何降低word2vec维数？经过多次试验，我想找出一种不会改变特定句子向量结果的方法。请让我知道做那件事
tetsuya nobuhara，nobutetsu@andaze.com
浏览 2提问于2022-10-13得票数 0
1回答
我正在使用这个数据集：https://www.kaggle.com/datasets/sobhanmoosavi/us-accidents
到目前为止，我已经成功地清理了数据集，并减少了功能和记录的大小我有一些数字的特点，我已经标准化，还有一些分类的特点，我还没有触及。现在我需要使用Kmeans/Dbscan等来执行聚类，并比较它们的结果。我读到，由于有很多特性(38)，我可以对数值特征执行P
浏览 0提问于2022-06-18得票数 2
我相信标题是自成一体的。使用the，然后应用HDBSCAN对数据进行降维聚类是否有意义？
浏览 0提问于2022-02-23得票数 1
回答已采纳
根据wiki的说法，重新开始使用T-SNE映射到二维.如果我们想要减少功能的数量(即从30个特性减少到5个dims)，那么是否建议使用T-SNE来实现呢？还是我们应该使用其他的降维算法？
浏览 0提问于2021-06-22得票数 7
回答已采纳
我正在使用来自tensorflow中心的ELMO模型。有没有可能在不使用PCA/丢失信息的情况下将ELMO嵌入降到128？
浏览 2提问于2020-07-08得票数 1
回答已采纳
在过去的几天里，我试图使用KMeans算法来实现SciKit ，但是我遇到了一个非常令人困惑的问题。我有一个有两个类标签['ALL', 'AML']的数据集，其中有ALL has 47和AML has 25样本以及100属性，现在我想使用这个数据集进行KMeans聚类，以便将预测的结果与原始的类标签进行比较然后再运行一次算法，得到了44%的精度。第三次尝试，我得到了33%等等。
但是，我仔细研究了一下，并了解到r
浏览 4提问于2020-06-08得票数 1
现在，我在300维空间中有10M个数据点，等待还原成2D空间。我知道一些降维算法，如t、多核t、Q、umap、largevis.然而，对于如此大规模的数据来说，它们太慢了。我认为以下的想法可以减轻这个问题：
简单的10%数据，应用DR算法得到每个数据的(300 d，2d)对，并将其作为训练数据。利用训练数据训练一个深度神经网络，
浏览 1提问于2020-02-05得票数 0
我有一个包含混合变量的非常大的数据集。我已经使用OneHotEncoding将分类变量转换为数值变量，它产生了超过几千个不同的特性，即组合。是否有可能在OneHotEncoded数据上应用降维算法，这看起来像[[1. 0. 1. 0.]...[0. 0. 0. 0.]]，还是应该通过与原始数据集合并来实现？
浏览 0提问于2018-02-19得票数 8
回答已采纳
我的keras编解码码在cpu上工作得很好。但是在gpu上，除了1之外，我不能用batch_size启动它！这很奇怪。即使在这种拟合中不使用批处理大小参数，我也会得到：我可以用我想要的任何batch_size运行许多其他程序。模块是比较二维对象和一维对象吗？
浏览 1提问于2018-10-28得票数 2
我一直在努力为医学数据创建一个多级别的分类模型。我有1881个样品，每个2562个特征，总共有6个班。我的班级分布如下：有人能告诉我这个数据集将如何影响我的模型的性能吗？我已经做了一些研究，这可能会导致问题的维度，但我希望得到一些澄清，如果这是主题，我将如何解决它。
我仍然是相对较新的工作与人工智能模型，所以绝对任何帮助是非常感谢，让我知道，如果你需要更多的信息。
浏览 0提问于2022-10-22得票数 0
2回答
如果我们有大量的功能(超过50个)，我们应该使用than吗？根据https://scikit-learn.org/stable/modules/generated/sklearn.manifold.TSNE.html：强烈建议使用另一种降维方法(例如，对于密集数据使用PCA或对于稀疏数据使用TruncatedSVD )，以便在特征数量非常多的情况下将维数减少到合理的数量(例如50)。这将抑制一
浏览 0提问于2021-06-22得票数 1
回答已采纳
我正在尝试使用scikit-learn中的PCA进行降维。我的数据集大约有300个样本和4096个特征。我想将维度减少到400和40。但是，当我调用该算法时，得到的数据最多只有“样本数”的特征。n_components = 400)testData = pca.transform(testData)
其中，trainData的初始形状
浏览 0提问于2014-03-21得票数 1
1回答
嗨，我们有一个问题，在图像分类中，数据是相当少的。但是，我们在classification.We上有一些灵活性，它可以通过分组和拆分多个类来改变问题中的类数。所以我的问题是，班级的数量和训练所需的数据量之间是有关系的。
浏览 0提问于2022-12-19得票数 0
1回答
我有一个数据集的2000 256 x 256 x3图像，以训练一个CNN模型(约3000万可训练参数)的像素级二进制分类。在训练之前，我想把它分成验证和测试集。现在，我已经从了解了所有的答案。那么，我的问题是:是否有一种方法/技术来选择用于验证和测试的最小数据集，该数据集代表了整个数据集的所有差异？我有一个最小的数据集约束，因为我有非常少的数据。增强可能
浏览 4提问于2020-12-18得票数 0
回答已采纳
1回答
我有一个由大约60000个特征组成的单词包.每一个特征都代表着一种缩小。我想在一个缩小的2D空间中表示这个词包。我该怎么做呢？#myList contents about 800000 wordsXn_components=2).fit(X)
data2D = pca.trans
浏览 0提问于2016-12-07得票数 2
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
