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 wordsX = bag_of_words.todense()data2
浏览 0提问于2016-12-07得票数 2
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。accuracy_score(y_train, prediction_result_train)
我已经检查了训练和测试数据的
浏览 2提问于2019-08-23得票数 0
2回答
我有一个回归模型，其中因变量是连续的，但是90%的自变量是绝对的(包括有序的和无序的)，大约30%的记录有缺失的值(更糟糕的是，它们是随机丢失的，没有任何模式，也就是说，超过45%的数据至少有一个缺失值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)。我还要补充一点，数据集是中等大小的500000观测值，有20
浏览 8提问于2010-05-14得票数 24
回答已采纳
2回答
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
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
有人能指出特征选择和聚类以及降维算法之间的区别吗？聚类帮助我们指出哪些变量簇清楚地定义了输出。这与降维算法不一样吗？特征选择+聚类不是和降维算法一样吗？
浏览 4提问于2015-10-27得票数 0
1回答
我正在研究一个包含22个特征的不平衡天气数据的分类(3类)。即使应用PCA和the，数据也是重叠的。到目前为止，最优的分类分数是使用基于树的方法。
浏览 0提问于2021-10-26得票数 1
2回答
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-cf91f5676504
浏览 0提问于2023-03-29得票数 0
回答已采纳
1回答
我的工作是利用FER2013数据集和vgg16模型进行人脸情感检测。我正在将t-sne应用于我的训练数据集，用于降维.
我的问题是“tensorflow需要降维吗？”
浏览 0提问于2022-09-05得票数 0
回答已采纳
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
我的数据包括16通道x128samplesx 400试验。我想在这个数据集中执行详尽的频道选择。我应该在哪里应用PCA？
浏览 3提问于2015-10-13得票数 1
回答已采纳
1回答
我看到the可以帮助我们减少维数和可视化数据.但是我们从这个可视化中得到了什么信息呢？因为我们知道，新的轴在我们的上下文中没有意义。此外，如果我们有一个类标记数据，那么我们可以从可视化中获得什么信息？我们已经知道有一些'n‘类，我们必须对其中一个类中的新示例进行分类。
还是我理解得不对？
浏览 0提问于2020-07-30得票数 0
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
降维
、、
我正在尝试理解数据分析中降维的不同方法。特别是，我对奇异值分解(SVD)和主成分分析(PCA)感兴趣。a) SVD和PCA如何做到这一点，以及b)它们在方法上有何不同
或者如果你能解释一下每种技术的结果告诉我什么，那么对于a) SVD -什么是奇异值
浏览 6提问于2017-10-27得票数 1
1回答
我一直在使用PCA降维的数据集是相当线性的，现在我的任务是相同的数据集，大部分是弯曲的空间。想象一个噪声的正弦波，为了简单。
PCA在这种情况下仍然有用吗？如果没有，更合适的降维方法是什么？
浏览 0提问于2022-04-24得票数 0
我想使用PCA进行降维，然后在python中使用它的o/p作为一类SVM分类器。我的训练数据集是16000x60。另外，如何将主分量映射到原始列以便在SVM中使用它，或者我可以直接使用主分量吗？
浏览 12提问于2017-07-14得票数 0
回答已采纳
2回答
在机器学习中，更多的特征或维度会降低模型的精度，因为有更多的数据需要泛化 和 ，这就是所谓的维数灾难。我应该在什么时候/如何考虑我的数据集具有许多特征，并且我应该寻找PCA来进行降维？
浏览 2提问于2019-06-09得票数 2
1回答
我正在比较各种技术，并想找出对大量文本文档进行矢量化和降维的最佳方法。我已经测试了Bag of Words和TF-IDF，并使用PCA、SVD和NMF进行了降维。使用这些方法，我可以减少我的数据，并知道基于解释的方差的最佳维度数量。 然而，我想用doc2vec做同样的事情，考虑到doc2vec本身是一个降维工具，找出我的模型的维数的最佳方法是什么？
浏览 56提问于2020-08-15得票数 0
1回答
LDA在主题建模前的降维
、、、
我想用LDA做一些主题建模，但不幸的是，我的数据相当稀疏，结果并不令人满意。因为我仍然想尝试用LDA来解决我的任务(即使可能有更好的可能性)，我正在考虑在LDA之前使用某种降维方法。我知道LDA用于主题建模，但也可以用于降维，那么在使用LDA之前尝试降维有意义吗？如果是，我可以使用什么方法？我认为使用像LSI或SVD这样的东西是没有意义的。
浏览 9提问于2020-05-23得票数 0
回答已采纳
云服务器
ICP备案
对象存储
云直播
腾讯会议
腾讯云开发者
