腾讯云
开发者社区
文档
建议反馈
控制台
登录/注册
首页
学习
活动
专区
工具
TVP
最新优惠活动
文章/答案/技术大牛
搜索
搜索
关闭
发布
精选内容/技术社群/优惠产品,
尽在小程序
立即前往
文章
问答
(9999+)
视频
沙龙
1
回答
R中的ProClus聚类
分析
、
、
、
对于我的论文作业,我需要对包含从零售店(+1000
维
)购买
数据
的
高
维
数据
集执行聚类
分析
。因为传统的聚类算法不能很好地适用于
高
维
数据
(并且降
维
并不是一个真正的选择),所以我想尝试专门为
高
维
数据
开发的算法(例如ProClus)。
浏览 3
提问于2016-03-14
得票数 0
1
回答
我能把聚类算法应用于流形可视化方法的结果吗?
、
、
、
、
我明白,当具体提到“可视化”时,意味着非线性
维
数约简可以很好地洞察其低
维
投影中的
数据
,但最常见的是,这种低
维
投影不能用于机器学习算法,因为
高
维
结构的一些信息丢失了(粗略)。然而,这里的问题是,如果在可视化中观察到“集群”,那么将聚类算法应用于低
维
转换
数据
并分别
分析
集群或组是可以接受的吗?例如,我将T应用于相当
高
维度的
数据
(40个特性),并获得以下表示:不考虑图片中观察到的颜色,我想应用一个聚类
浏览 0
提问于2016-03-31
得票数 4
2
回答
高
维
数据
:知道什么是有用的技术?
、
、
由于各种维度诅咒的存在,许多常用的预测技术对
高
维
数据
的精度和速度都会降低。帮助有效处理
高
维
数据
的一些最有用的技术/技巧/启发式方法是什么?例如,
高
维
数据
浏览 0
提问于2015-01-25
得票数 17
1
回答
烦人方法的表现
、
、
、
、
为了进行更深入的
分析
,您可以浏览幻灯片。原因是在
高
维
中,单位球体的体积变小了(你可以看一看)。我在烦恼库中发现的唯一不同之处是,空间的分区是通过使用超平面来完成的,而不是一次分区一
维
。 有没有人
分析
过这个算法,并能
浏览 7
提问于2016-05-08
得票数 3
回答已采纳
2
回答
SOM如何使
高
维
数据
可视化成为可能?
自组织地图被认为是一个非常有效的工具,用于探索性
数据
分析
,因为它有助于
高
维
数据
的可视化。
浏览 0
提问于2018-02-02
得票数 5
回答已采纳
2
回答
什么叫PCA只保留很大的成对距离?
、
、
、
、
目前,我正在阅读the可视化技术,有人提到,使用主成分
分析
可视化
高
维
数据
的缺点之一是,它只保留大的两两点之间的距离。意思是,在
高
维
中相距很远的点在低
维
时也会出现很远的距离,但除此之外,所有其他点的距离都会被扭曲。非常感谢!
浏览 5
提问于2015-10-13
得票数 3
1
回答
使用tSNE可视化具有线性关系的
数据
有意义吗?
、
、
我多次使用tSNE来可视化
高
维
数据
进行聚类
分析
,当
数据
落入集群时,它一直运行得很好。然而,使用tSNE可视化具有线性关系的
数据
集中的自变量( $y =X \theta + b$,其中$y$是目标值,而$X$是自变量(b是偏差)是否有意义?据我所知,tSNE更多地用于捕捉
高
维
数据
中的局部结构,因此它可能不适合用于线性回归的可视化
数据
--这是一个错误的假设吗?
浏览 0
提问于2018-06-21
得票数 1
回答已采纳
1
回答
只包含范畴变量的大型
数据
集的聚类
分析
、
、
我的
数据
包含与每个客户相关的500,000行和8,000个变量(产品ids)。每个变量都是一个热编码向量,它显示客户是否购买了该产品。我尝试用MCA (多重对应算法)减少
数据
的
维
数,然后使用k均值和dbscan进行聚类
分析
,但结果并不令人满意。 有哪些合适的算法用于
高
维
大型
数据
集的聚类
分析
及其python实现?
浏览 1
提问于2019-05-30
得票数 0
回答已采纳
3
回答
散点图特征提取
、
、
假设我有这样的散点图:因为我有许多像这样的散点图,所以我想要进行特征转换,即在一个项中压缩(x,y),以便输入到NN中。在这种类型的图中,哪种转换(如x/y或(x/y)^2或任何其他转换)效果最好,即在压缩成单个项的同时增加分离度。
浏览 0
提问于2018-06-05
得票数 7
1
回答
在matplotlib/python中可视化
高
维
数据
、
、
、
我试图使用高斯过程来拟合光滑函数到一些
数据
点。我对python使用了scikit-learn库,在我的例子中,我的输入是二
维
空间坐标,输出是一些转换后的版本,也是二
维
空间坐标。我生成了一些虚拟测试
数据
,并试图拟合一个GP模型。由于我的输入和输出
维
都是二
维
的,我不知道如何能够快速地可视化它,这样我就可以了解模型的适合性(特别是想知道模型之间的平滑性和方差)。当然,大多数在线例子都适用于一
维
案例.
浏览 0
提问于2018-02-06
得票数 0
回答已采纳
2
回答
在pyLDAvis.sklearn.prepare () -函数中,参数"mds“意味着什么?
、
、
、
、
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
1
回答
当目标仅仅是降低
维
数时,为什么在t-sne之前经常使用PCA来处理问题?
、
例句:Matlab的t-sne教程经常使用PCA“使用Using处理
数据
。利用the获得
数据
簇的二
维
模拟。使用Barnes-Hut算法在这个大
数据
集上获得更好的性能。使用PCA将初始尺寸从784降到50。<- (1)如果我们要在PCA之后使用t-sne将
维
降到2
维
,那么为什么我们在这里首先使用PCA将
维
浏览 0
提问于2019-08-01
得票数 1
1
回答
支持向量机中用于两类分类的
高
维
输入可视化
、
、
我正在尝试找到一种方法来可视化具有
高
维
输入的
数据
,用于支持向量机的两类分类,然后在
分析
之前决定使用哪个核。在联机文档中,
数据
的可视化只针对二
维
输入(我指的是两个属性)。
浏览 1
提问于2014-04-19
得票数 1
1
回答
KMean和主成分
分析
连接
、
、
、
、
根据我对模式识别的理解,主成分
分析
被用来删除
数据
集中不必要的
数据
,这样当
数据
集在KMean中使用时,它的性能将低于没有被主成分
分析
的
数据
集。我需要做的是使用虹膜
数据
集将Kmean结果的输出与使用PCA的Kmean结果进行比较。
浏览 1
提问于2014-02-28
得票数 0
1
回答
高
维
数据
集的处理
、
、
、
我有
维
数(25000, 100, 500)的
数据
,即25000行,每个行由一个二
维
的100×500矩阵组成。目前,我只申请CNN的分类目的。还有其他方法可以对这些
数据
进行建模吗?我把二
维
矩阵压平成一
维
阵列,形状(50000, ),并在(25000, 50000)
数据
集上应用主成分
分析
,我得到了约85%的解释方差的400个分量。PCA和LDA仍然适用于这样的
高
维
数据
集吗?(堆栈上的其他类似问题不解决此
浏览 0
提问于2020-09-10
得票数 2
1
回答
何时在熊猫中使用多重索引和x数组
、
、
、
、
似乎通过使用多个索引来重新处理多个维度的
数据
:2000-01-04 0.940506 -2.362012 我认为xarray是为处理这样的多维
数据
集而创建的
浏览 2
提问于2017-03-18
得票数 22
回答已采纳
2
回答
基于主成分
分析
的FastICA降
维
、
、
Mansour博士用于纹理分类的独立成分
分析
(ICA) 作者所说的“用PCA减少
维
数,总共有40个函数”,我怎么用matlab得到这个函数呢?
浏览 6
提问于2013-03-18
得票数 0
回答已采纳
11
回答
Python中的主成分
分析
、
、
、
我想使用主成分
分析
(PCA)进行降
维
。numpy或scipy是否已经有了它,或者我是否必须使用自己滚动它?我不仅仅想使用奇异值分解( SVD ),因为我的输入
数据
是相当
高
维
的(~460
维
),所以我认为SVD将比计算协方差矩阵的特征向量慢。
浏览 4
提问于2009-11-14
得票数 114
回答已采纳
1
回答
不确定sklearn中的PCA
、
、
data) print(eigenvalues) y = pca_result[:,1]
数据
如下所示我想绘制在2D空间中投影的
数据
,它似乎弥补了
数据
中的大部分变化(基本上是将5D
数据
绘制成2D图,因为它似乎生活在2D流形上)。我做得对吗?谢谢!
浏览 0
提问于2019-12-09
得票数 1
1
回答
高
维
聚类+一些基本内容
、
、
、
在使用支持向量机时,我们不需要担心
数据
的
维
数大小,但是在聚类中,由于“
维
数的诅咒”,尺寸大小是个大问题。此外,稀疏性和
数据
大小对您选择的聚类算法也有很大的影响。所以我有点理解聚类没有“最佳算法”,这完全取决于
数据
的性质。 当人们说“
高
维
”时,具体是什么意思?100 d是
高
维
数吗?在本文的第649页“聚类算法的调查”()中,这个表显示了CURE具有“处理
高
维</
浏览 3
提问于2014-04-30
得票数 3
回答已采纳
点击加载更多
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
将高维数据压缩到低维——降维利器“PCA”
R语言高维数据的主成分pca、 t-SNE算法降维与可视化分析案例报告
R语言高维数据的主成分pca、t-SNE算法降维与可视化分析案例报告
数据降维方法-主元分析
高维数据密文检索论文阅读
热门
标签
更多标签
云服务器
ICP备案
对象存储
实时音视频
云直播
活动推荐
运营活动
广告
关闭
领券