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
1
回答
我怎样才能在散乱的情节中想象出一袋袋的文字?
machine-learning
、
python
、
data-mining
、
bigdata
、
visualization
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 wordsX = bag_of_words.todense()data2
浏览 0
提问于2016-12-07
得票数 2
2
回答
自动编码器如何降低
维
数?
machine-learning
、
deep-learning
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
如何利用
Python
的特征聚类进行
降
维
?
python
、
machine-learning
、
scikit-learn
、
feature-extraction
、
dimensionality-reduction
我搜索了在
Python
中
实现
降
维
的方法,这就是我得到的结果:。该网站的最后一种方法是特征聚集。我点击了那个
python
方法的文档链接,但是我仍然不确定如何使用它。如果以前有人使用过
Python
的特性聚集方法,那么您是否可以解释它是如何工作的(输入、输出等)?谢谢!
浏览 3
提问于2017-08-11
得票数 4
回答已采纳
2
回答
含缺失值的分类数据
降
维
python
、
r
、
statistics
没有先验理论来选择模型的规格,因此在进行回归之前,关键任务之一是
降
维
。虽然我知道几种连续变量
降
维
的方法,但我不知道关于分类数据的类似静态文献(除了,作为对应分析的一部分,这基本上是频率表上主成分分析的一种变化)。对于分类数据的
降
维和稳健的计算是否有一个很好的统计参考(我认为第一个问题是估算,然后是
降
维
)? 这与上述问题的实施有关。我对
Python
有一定的了解,所以如果有什么东西是好的,那么我将使用它。
python
或R中的任何<em
浏览 8
提问于2010-05-14
得票数 24
回答已采纳
1
回答
圆形
降
维
?
python
、
machine-learning
、
dimensionality-reduction
我想要
降
维
,这样它返回的尺寸是圆形的。我的算法是什么?(
python
实现
的加分)讲得通?简单?固有的问题?谢谢。
浏览 0
提问于2013-08-13
得票数 6
1
回答
如何对PCA和to后高度重叠的数据进行分类?
machine-learning
、
classification
、
class-imbalance
、
pca
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
1
回答
K-表示对列而不是行的聚类。
python
、
clustering
、
dimensionality-reduction
是否有一个
Python
集群库或示例可以用来设置k和集群变量?
浏览 0
提问于2021-07-15
得票数 0
2
回答
在pyLDAvis.sklearn.prepare () -函数中,参数"mds“意味着什么?
python
、
scikit-learn
、
documentation
、
lda
、
mds
我使用称为"pyldavis“的
python
模块,并使用jupyter笔记本作为环境。
浏览 7
提问于2018-06-19
得票数 2
1
回答
使用随机投影进行
降
维
的R
实现
吗?
r
、
dimensionality-reduction
我想的第一件事是
降
维
。在尝试了PCA,鲁棒PCA,ICA,去除高度相关的特征后,我正在考虑使用随机投影。然而,随机投影没有简单的R
实现
。我发现了一些随机投影R包,比如 但是,它们似乎不支持直接用于
降
维
的随机投影。这能很容易地在R中
实现
随机投影吗?还是利用现有的工具在R中进行随机投影
降
维
?
浏览 1
提问于2016-11-22
得票数 3
回答已采纳
1
回答
没有类标签列的特征选择
python
、
machine-learning
、
feature-selection
我想在我所拥有的52个特性列表上执行功能选择。但是,我的数据集中没有类标签列。那么,如何选择不依赖于类标签的特性。提前谢谢。
浏览 1
提问于2020-03-16
得票数 2
1
回答
在matplotlib/
python
中可视化高
维
数据
python
、
matplotlib
、
scikit-learn
、
data-visualization
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
3
回答
基于PCA的神经网络
降
维
方法?
machine-learning
、
neural-network
、
dimensionality-reduction
、
pca
显然,我必须对它们进行
降
维
。但是,由于PCA算法和其他算法一样,通常采用轴旋转来生成一些新的轴。我认为我不会在
降
维
中使用PCA算法。所以我还能称它为
降
维
吗?因为我只做了一些参数过滤请评论一下,任何批评都是受欢迎的。
浏览 0
提问于2017-03-21
得票数 1
10
回答
降
维
是什么?特征选择和提取有什么区别?
feature-selection
、
feature-extraction
、
dimensionality-reduction
维基百科:特征选择和特征提取有什么区别? 在自然语言处理任务中
降
维
的例子是什么?
浏览 0
提问于2014-05-18
得票数 70
回答已采纳
1
回答
即使特征的数量小于观察的数量,我是否可以应用特征选择?
machine-learning
、
feature-selection
、
data-analysis
当我看到高
维
部分时,我正在读“统计学习导论”,他们认为高
维
数据会引起很多问题。我的问题是,要应用任何特征选择模型,必须有更多的特征而不是观察。 如果是的话,你能给我提供任何关于它的文章吗?
浏览 0
提问于2020-11-25
得票数 0
回答已采纳
1
回答
使用线性判别分析进行
降
维
r
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
1
回答
PCA的输出是什么?它是如何有用的?
machine-learning
、
pca
、
eigenvector
、
dimensionality-reduction
、
data-presentation
PCA是一种
降
维
算法,它有助于减少数据的
维
数。我还没有理解的是,PCA以递减的顺序给出了特征向量的输出,如PC1、PC2、PC3等。因此,这将成为我们的数据的新轴。我们
实现
了从n到n-k的
降
维
. 是否有其他方法用于常设仲裁院?
浏览 1
提问于2017-11-01
得票数 0
1
回答
高
维
数据在Matlab/Octave中的可视化
visualization
、
image-classification
、
matlab
、
octave
我使用松树高光谱数据集,这是一个免费提供的数据集,这幅图像包含200
维
(深度/通道/波段)。此外,此数据集包含标签(基本真相信息)。
浏览 0
提问于2018-11-10
得票数 0
回答已采纳
2
回答
降低词嵌入的
维
数
nlp
、
dimensionality-reduction
、
word-embeddings
现在,我想要50个维度的单词嵌入:是最好用50个维度来重新训练嵌入词,还是可以使用一些
降
维
方法来将300个维度的单词嵌入到50个维度呢?
浏览 0
提问于2015-07-28
得票数 10
1
回答
机器学习--特征选择还是
降
维
?
machine-learning
、
artificial-intelligence
、
feature-selection
、
dimensionality-reduction
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
1
回答
使用
Python
的Scikit-Learn确保分类器将信息丢失降至最低
python
、
scikit-learn
、
pca
、
feature-selection
、
dimensionality-reduction
我有一个有很多列/特征的数据集,我想建立ML模型,将数据分类为1和0,但我想减少列数。我读了很多关于feature selection的书,但有些东西我不太清楚。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?import pandas as pd from sklearn.metrics import accuracy_score from skle
浏览 2
提问于2019-08-23
得票数 0
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
小白学Python数据分析之降维
哈工大硕士生用 Python 实现了 11 种经典数据降维算法,源代码库已开放
浅谈数据降维技术
教练,我想学降维
将高维数据压缩到低维——降维利器“PCA”
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