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
(5175)
视频
沙龙
1
回答
Python
:
可以用
多维
向量
做
PCA
吗
?
、
、
我想尝试使用here描述来
做
PCA
from sklearn.decomposition import
PCA
pca
=
PCA
(n_components=2)
PCA
(n_components=2) 是否可以对具有不同维数的数组执行相同的操作X = np.array([[-1, -1], [-2, -1], [
浏览 17
提问于2020-02-03
得票数 0
1
回答
绘制
多维
K-means聚类NLP
python
、
、
、
、
我有一个为NLP分类器设计的
多维
向量
。下面是数据帧(text_df):我使用TfidfVectorizer来创建
向量
:from sklearn.cluster import KMeans我试着使用
PCA
from sklearn.decomposition import <
浏览 14
提问于2018-08-29
得票数 0
1
回答
多维
数据k均值聚类后的主成分分析
、
、
、
、
我有以下10个变量的数据集:我想用这个
多维
数据集来识别集群,所以我尝试使用以下代码来实现k均值聚类算法:results = pd.DataFrame(reduced_data,columns=['
pca
1','
pca
2']) sns.scatterplot(x=&qu
浏览 9
提问于2021-10-24
得票数 1
回答已采纳
1
回答
如何解释Spark
PCA
输出?
、
我用三个变量运行Spark (2.2)
PCA
: x,y和z。所以这些是特征
向量
。它们按顺序对应于x,y和z
吗
?如果
PCA
是关于特征减少的,那么我可以说x解释了大部分数据,所以只使用x
吗
?既然我有一个值的
向量
,我
可以用
数学上的百分比来表示它
吗
?
浏览 11
提问于2018-03-02
得票数 2
回答已采纳
1
回答
如何在MatLab中使用线性判别分析进行投影?
、
可以使用LDA将
多维
数据投影到2D地图上
吗
?似乎Matlab提供的工具没有提供这样的功能…… 感谢您的回复。我的数据现在有6个类,那么这是否意味着如果我有6个类,我只能将其减少到5个维度?或者
可以用
与
PCA
类似的方式来完成,
PCA
获取前两个特征值,并使用这两个特征值进行投影?作为一种无监督的方法,
PCA
对我的问题并不是很有效,所以我想知道LDA是否可能有所帮助。
浏览 0
提问于2012-04-30
得票数 2
回答已采纳
1
回答
PCA
Biplot :一种隐藏
向量
以清晰看到所有数据点的方法
我正试着和R一起
做
PCA
。或 Sample_scaled.2<-data.fram
浏览 0
提问于2012-11-14
得票数 3
回答已采纳
2
回答
如何在进行
PCA
后绘制每个变量的主
向量
?
、
、
、
根据我的理解,在进行
PCA
之后。我们得到的只是特征
向量
和特征值。对于维数M的数据集,每个特征值都应该是1xN的
向量
,所以,我的问题是,
向量
的长度可能是特征值,但是如何为每个变量找到
向量
的方向呢?
向量
长度的物理意义是什么?谢谢!
浏览 1
提问于2019-08-03
得票数 5
回答已采纳
2
回答
python
most :使用
PCA
缩小大多数相关特性
、
、
、
、
我正在使用火花2.2与
python
。我正在使用ml.feature模块的主成分分析。我使用VectorAssembler将我的功能提供给
PCA
。
pca
=
PCA
(k=2, inputCol="features", outputCol="pcaFeatures")此时,我已经运行了包含2个组件的
PCA
,并且可以将其值视为:它对应于3 (=
浏览 0
提问于2018-01-30
得票数 6
回答已采纳
1
回答
如何在预测时使用主成分分析?
、
、
、
假设我的原始数据集有8个特征,并且我应用了带有n_components = 3的
PCA
(我使用)。然后,我使用这3个
PCA
组件(现在是我的新功能)来训练我的模型。让我困惑的是,当我
做
预测时,每个数据点都是2D矩阵中的一行(由我想要预测的所有数据点组成)。因此,如果我只在一个数据点上应用
PCA
,那么相应的行
向量
将被转换为零
向量
。
浏览 3
提问于2017-08-23
得票数 2
回答已采纳
2
回答
KMeans对
PCA
和
PCA
在KMeans上应用的区别
、
、
、
、
简短提问:长问题:策略1-对KMeans
向量
和主成分分析执行R300,直到R3:对R300嵌入执行主成分分析并获取R3
向量
。根据通过R3获得的簇绘制KMeans
向量
结果:http:/
浏览 0
提问于2018-10-21
得票数 1
1
回答
为什么主成分值与MATLAB不一致?
、
、
、
、
我训练要在
python
上
做
一些MNIST的
PCA
重构,并将它们与我在maltab中的(旧)重建进行比较,我碰巧发现我的重建不同意。(1/N_train)*norm( X_tilde_train - X_train ,'fro')^2因此,我认为这可能是问题所在,因为我使用
python
因此,我决定在
python
脚本中编写精确的重构公式:
pca
=
PCA
(n_comp
浏览 2
提问于2016-08-05
得票数 1
1
回答
PCA
:
python
中本征值与本征
向量
与负载?
、
、
、
、
我试图计算数据集的
PCA
负载。我读到的越多,我就越困惑,因为“加载”在许多地方的用法不同。
pca
.explained_variance_给出了与本征
向量
相关联的特征值。然后,当我们把特征
向量
乘以sqrt(特征值)时,我们就得到了关联的强度。其他人说特征
向
浏览 4
提问于2021-05-08
得票数 0
回答已采纳
1
回答
管道
PCA
,我可以从这个内置函数中提取加载
向量
吗
?
、
我试图找到最有效的
PCA
/PLS算法与
Python
/R/或其他。我在
python
中找到了有用的函数管道,它可以非常快速地计算大数据的得分
向量
。然而,我无法找到我应该在哪里找到加载
向量
。有办法
吗
?
浏览 0
提问于2018-10-12
得票数 0
回答已采纳
1
回答
可以将
PCA
应用于部分数据集
吗
?
、
、
、
、
我试图将
PCA
应用于数据的这一部分,并将它们作为列与分类变量结合在一起。这样
做
可以
吗
?或者我是否应该对分类变量进行一次热编码/标签编码,并对整个数据集进行
pca
?
浏览 0
提问于2019-03-20
得票数 1
回答已采纳
3
回答
PCA
是否被认为是一种机器学习算法?
、
PCA
本身是一种学习算法,还是一个数据预处理步骤.
浏览 0
提问于2018-01-16
得票数 12
回答已采纳
2
回答
R数组操作
、
、
、
在
python
中,列表可以像这样被分成从第四个元素到最后一个元素的x[4:-1]。在R中,类似的事情
可以用
x[4:length(x)]实现
向量
,也
可以用
x[,,,,4:dim(x)[5],,,]实现
多维
数组。对于从中间元素到最后一个元素的特定维度的数组切片,这是不是更优雅的语法?
浏览 0
提问于2010-01-24
得票数 13
回答已采纳
1
回答
如何使用稳健的
PCA
输出作为传统
PCA
的主成分(特征)
向量
、
我正在使用
PCA
来降低N维数据集的维度,但我想构建对大型异常值的鲁棒性,因此我一直在研究稳健的
PCA
代码。对于传统的主成分分析,我使用的是
python
的sklearn.decomposition.
PCA
,它很好地将主成分作为
向量
返回,然后我可以将我的数据投影到上面(明确地说,我也使用SVD编写了我自己的版本我发现了一些预编码的RPCA
python
代码(比如和)。 第一个代码是基于Candes等人的。(2009)方法,并返回数据集D的低秩L和稀疏S矩阵。我通过
PCA
来运
浏览 0
提问于2016-11-21
得票数 8
1
回答
使用
PCA
查找网格的三维点云的长轴
、
、
您好,我正在尝试通过
python
中的3d网格计算主轴的
向量
(使用open3d库与网格交互)。我已经使用泊松分布( numpy数组中的1000个点)将网格转换为点云,并考虑使用scikit learn及其
PCA
功能来尝试获取该
向量
的值。通过谷歌搜索,我认为我是在正确的轨道上,但对如何使用
PCA
函数来获得我想要的东西知之甚少。 我认为我需要从点云及其伴随的特征
向量
中提取最大的特征值-希望这应该是我正在寻找的。有什么需要帮忙的
吗
?
浏览 18
提问于2020-10-30
得票数 0
回答已采纳
1
回答
将标签添加到2D散点图(kmeans聚类)
对数据集样本进行主成分分析,保留前两个分量
向量
.I,然后用k=3计算前两个分量的k均值聚类,然后根据聚类组的前两个特征函数和颜色绘制二维散点图。有人能建议我怎么
做
吗
?tdata<-t(subdata)dat.loadings <-
pca
$x[,1:2]
pca
1 <-
pca
$x[,1]
pca</em
浏览 1
提问于2013-08-07
得票数 2
回答已采纳
1
回答
将高斯过程模型拟合到
PCA
中。预测看上去很错误
、
、
、
、
我已经减少了我的10个功能,减少到只有2个组成部分通过
PCA
在雪橇。现在我有了
PCA
1和
PCA
2。这是通过对训练集进行
PCA
(40%)来实现的。
pca
=
PCA
(n_components=2)PCAs =
pca
.transform(train_data)
PCA
2不完全确定出了什么问题,但有几个猜测: 因为我的数据没有目标变量,所以
浏览 5
提问于2021-06-11
得票数 3
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
机器学习降维之奇异值分解
数据降维:特征值分解和奇异值分解的实战分析
8,模型的训练
数据入门——向量与矩阵
数据降维处理:PCA之奇异值分解介绍
热门
标签
更多标签
云服务器
ICP备案
实时音视频
对象存储
即时通信 IM
活动推荐
运营活动
广告
关闭
领券