腾讯云
开发者社区
文档
建议反馈
控制台
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
登录/注册
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
2
回答
PCA
:
我
可以
反转
R
中
第一个
主
成分
的
轴
吗
?
r
、
pca
、
cross-validation
、
ggbiplot
下面是一个可重复使用
的
示例: set.seed(10)iris.training <- iris[pick,]
pca
.training <- prcomp(iris.training[-5])autoplot(
pca
.training,loadings.label
浏览 54
提问于2020-12-14
得票数 0
回答已采纳
1
回答
PCA
:双情节
中
的
分数与加载
r
、
plot
、
pca
在这个问题中,
我
正在调查
PCA
中
的
双情节和加载/分数
的
意义
的
解释:。”
的
说法: x y John
浏览 4
提问于2015-05-16
得票数 1
1
回答
基于libpca
的
主
成分
分析
c++
、
pca
、
principal-components
是建立在线性代数库基础上
的
主
成分
分析
的
C++库。 不过,
我
对此有意见。
我
正在将它
的
输出与在其关于
PCA
的
伟大教程
中
给出
的
示例进行比较。当我检索
第一个
主
成分
时,
我
在他
的
教程
中
得到了与Smith相同
的
值,但是它
的
符号
反转
了。对于第二个
主
浏览 0
提问于2014-09-04
得票数 4
回答已采纳
2
回答
在
PCA
中选择K-分量后,如何找出算法选择了哪些组件(列
的
名称)?
python-3.x
、
k-means
、
pca
、
sklearn-pandas
我
是数据科学
的
新手,
我
需要一些帮助来理解
PCA
,
我
知道每个列都是一个
轴
,但是当
PCA
完成,组件被降到某个k值时,如何知道所有列都被选中了?
浏览 0
提问于2019-05-26
得票数 2
回答已采纳
2
回答
基于
主
成分
分析
的
FastICA降维
matlab
、
image-processing
、
pca
我
正在尝试开发一个图像分类系统。
我
使用以下文章:它在一段
中
说: 上面的“方法”是FastICA,纹理来自,每个纹理
浏览 6
提问于2013-03-18
得票数 0
回答已采纳
2
回答
主
成分
分析-how是否映射了
主
成分
?
r
、
pca
我
对
R
中
的
pca
有一个问题,可能很简单:根据结果,
我
使用prcomp执行了一个
pca
。
我
得到了正确
的
分数,也得到了降序
的
主
成分
。可能真的是一个初学者
的
问题-
浏览 1
提问于2012-11-29
得票数 3
回答已采纳
1
回答
用颜色绘制
PCA
得分
r
、
pca
我
正在做
PCA
,
我
想在
R
中
绘制
第一个
主
成分
与第二个
主
成分
:plot(
pca
$scores[,1],
pca
$scores[,2])pairs(
pca
$scores[,1:4]) 但是,这些点是黑色
的
。
浏览 0
提问于2013-01-12
得票数 3
回答已采纳
2
回答
KMeans对
PCA
和
PCA
在KMeans上应用
的
区别
clustering
、
visualization
、
k-means
、
dimensionality-reduction
、
pca
简短提问:长问题:策略1-对KMeans向量和
主
成分
分析执行
R
300,直到
R
3:对
R<
浏览 0
提问于2018-10-21
得票数 1
2
回答
如何用滑雪板从
PCA
主
成分
解释解释方差比图
python
、
scikit-learn
、
pca
在应用K-均值聚类之前,
我
尝试使用
PCA
来减少数据
的
维数.是否有一种方法来区分前三个组件
中
的
每个组件对应什么?例如,如果它对应于2021年左右
的
“点”列。或者,用什么正确
的
方式来解释这个情节?=
PCA
(n_components=6) v
浏览 9
提问于2022-11-02
得票数 1
回答已采纳
3
回答
散点图特征提取
machine-learning
、
neural-network
、
feature-extraction
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
PCA
使用行作为变量而不是列
r
、
pca
、
vegan
当我试图对
我
的
数据进行
主
成分
分析时,
我
遇到了一个尴尬
的
问题。
我
尝试使用prcomp(Base)和rda(纯素食),但是分析将列视为示例单元而不是行,这会导致分析中出现各种问题。下面的代码是对
我
的
数据
的
简化。实际数据集由近2000列和大约350行组成。但是,当我运行下面的脚本时,问题是相同
的
:dt <- matrix(rn, nrow=80, ncol
浏览 1
提问于2017-11-20
得票数 3
回答已采纳
2
回答
如何在
主
成分
分析前赋予特征权重
machine-learning
、
pca
、
weighted-data
在使用
PCA
之前,
我
想知道如何才能对自己
的
特征进行加权。
我
是说某种程度上加权
PCA
。因为
我
知道其中一个特性比其他特性更好,并希望在创建组件时重视它(不可能只选择该特性)。
我
也应该有别人
的
影响)
浏览 0
提问于2016-06-20
得票数 3
回答已采纳
2
回答
EQUAMAX旋转
主
成分
分析
r
、
pca
、
rotational-matrices
我
需要用EQUAMAX-rotation在
R
中进行
主
成分
分析(
PCA
)。也许有人
可以
给出一个如何做equamax-rotation
主
成分
分析
的
例子?或者,
浏览 2
提问于2014-06-19
得票数 1
1
回答
主
成分
分析与原始变量
的
对应关系
python
、
scikit-learn
、
pca
我
想把
主
成分
分析应用于卡格尔号
的
泰坦尼克号
pca
_model =
PCA
(n_components=5)
pca
浏览 30
提问于2017-03-03
得票数 0
2
回答
利用
主
成分
分析将数据降为一维
python
、
machine-learning
、
scikit-learn
、
pca
数据
的
维数是否
可以
简化为一个
主
成分
?
我
在虹膜数据集上试过-import pandas as pd
pca
_X =
pca
.fit_transform(X) #X = standardized iris data
p
浏览 3
提问于2021-11-09
得票数 0
回答已采纳
1
回答
PCA
后
的
数据规模
pca
我
有4个标准
的
正常特征,
我
执行
PCA
。然后,
我
使用
第一个
主
成分
(与所有组件一起)。是否有可能先发制人地说,转换后
的
级数
的
最大值和最小值是多少?
我
想,如果我们假设原始
的
标准法线特征永远不会超过+/- 5,那么最终变换级数
的
最大值将是
PCA
系数之和为5?但是,在这种情况下,
主
成分
分析系数是否可能是1,1,
浏览 0
提问于2019-01-28
得票数 2
1
回答
在使用
R
、
PCA
和绘制累积方差时
r
、
plot
、
pca
我
正在使用缩放数据集和
主
成分
分析(princomp)处理
R
。一切都很好,但我想要将
主
成分
的
累积%方差绘制成图表。摘要提供了此信息,但我还无法访问它。换句话说,
我
想要y='Cumulative Proportion‘,从
pca
vs. 'component#’。
pca
<- princomp(class5_subset_scaled) summary(
pca
) # summa
浏览 18
提问于2019-02-23
得票数 3
回答已采纳
2
回答
主
成分
分析
的
实际输出是什么?
machine-learning
、
classification
我
试着理解
PCA
,但我没有机器学习
的
背景。
我
来自软件工程,但到目前为止,
我
试图阅读
的
文献对
我
来说很难消化。就
我
所理解
的
PCA
而言,它将从一个N维空间获取一组数据点,并将它们转换为一个M维空间,其中N>M,
我
还不知道
PCA
的
实际输出是什么。[ 7, 9, 1, 2, 3], // component 2 [ 9, 9, 0, 2
浏览 0
提问于2015-07-07
得票数 4
回答已采纳
1
回答
相关矩阵
的
主
成分
分析
r
、
pca
许多函数
可以
对
R
中
的
原始数据进行
主
成分
分析(
PCA
),通过原始数据,
我
了解任何数据框架或矩阵,这些数据框架或矩阵
的
行被观察到索引,其列与测量值相一致。我们能在
R
中
的
相关矩阵上进行
PCA
吗
?哪个函数
可以
接受相关矩阵作为
R
中
的
输入?
浏览 1
提问于2018-11-17
得票数 1
回答已采纳
1
回答
二值图像
中
的
主
方向
matlab
、
angle
、
pca
我
想找出图像
中
相对于X
轴
的
主要方向。
我
已经用蓝线表示了
主
方向和X
轴
。这
可以
使用
PCA
来完成,但我
的
问题是这样一个小矩形将有大约1000个像素,
我
必须为大约100个多边形找到
主
方向(多边形
可以
是任意形状
的
)。
我
认为一种方法是:将矩形投影到一条以5度为间隔
的
方向上
的
直线上。具有最大方差
的<
浏览 2
提问于2013-02-14
得票数 0
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
【视频】主成分分析PCA降维方法和R语言分析葡萄酒可视化实例|数据分享
人工智能–PCA算法
机器学习100天-Day1902降维
PCA主成分分析(二)
常见的降维技术比较:能否在不丢失信息的情况下降低数据维度
热门
标签
更多标签
云服务器
即时通信 IM
ICP备案
对象存储
实时音视频
活动推荐
运营活动
广告
关闭
领券