tf.reduce_sum和keras.backend.sum没有降维

文章/答案/技术大牛

发布

1回答

python、tensorflow、keras

K.sum(z, axis=0))model.predict(x1) 我不明白为什么维度没有减少我得到了与tf.reduce_sum相同的行为，如何沿着第一个轴减少维度，就像我通常对numpy所做的那样？

浏览 61提问于2019-03-11得票数 2

回答已采纳

1回答

精简命令在tensorflow中的用途是什么？

tensorflow、machine-learning

tensorflow.reduce_sum(..)计算一个张量的维数的元素之和。没事的。它与并行计算的map_reduce有关吗？比方说，它将所需的计算分配给不同的核，并从核收集结果，最后提供所收集结果的和？

浏览 1提问于2018-02-15得票数 0

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

2回答

主题模型作为文本挖掘的降维方法--下一步做什么？

machine-learning、nlp、text-mining、lda、topic-modeling

我对工作流程的理解是运行LDA -> Extract keywards (例如，每个主题的前几个单词)，从而降低维度->一些后续分析。另外，还有一个不相关的问题--是在这里问这个问题更好，还是在交叉验证时问这个问题更好？

浏览 2提问于2015-09-27得票数 0

1回答

如何为doc2vec选择最好的vector_size？

text、size、document、doc2vec、embedded-documents

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。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？有没有什么统计方法可以帮助我找到vector_size的最佳数量？提前感谢！

浏览 56提问于2020-08-15得票数 0

1回答

使用线性判别分析进行降维

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

如何逆转GP高斯过程潜变量，利用python重建原始变量？

machine-learning、data-science、dimensionality-reduction

GP和用于降维.在进行了这种降维之后，如何近似地重建原始变量/特征？

浏览 6提问于2019-12-17得票数 1

回答已采纳

2回答

在pyLDAvis.sklearn.prepare () -函数中，参数"mds“意味着什么？

python、scikit-learn、documentation、lda、mds

字符串表示目前接受pcoa (或大写变体)、mmds (或大写变体)和tsne (或大写变体)，如果为后两者安装了sklearn包。有人知道有什么区别吗。

浏览 7提问于2018-06-19得票数 2

1回答

特征选择、聚类、降维算法的区别

machine-learning、cluster-analysis、pca、feature-selection

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

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

3回答

降维技术在深度学习中是否有用？

machine-learning、neural-network、deep-learning、dimensionality-reduction、pca

我一直在研究机器学习，并且注意到大多数时候，像PCA和t-SNE这样的降维技术都被用于机器学习，但我很少注意到有人会在深度学习项目中这样做。在深度学习中没有使用降维技术的具体原因是什么？

浏览 0提问于2018-07-30得票数 4

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

自动编码器还是基于层的降维？

neural-network、deep-learning、keras、autoencoder、dimensionality-reduction

自动编码器( tanh，tanh，tanh层) 或者:大幅度减少输入的数量，也许是通过退出，到分类模型本身的第二层和第三层。还有，卓普特

浏览 0提问于2019-09-22得票数 1

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

大家好，tensorflow需要降维吗？

python、deep-learning、tensorflow、transfer-learning、vgg16

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

1回答

LDA在主题建模前的降维

nlp、lda、topic-modeling、dimensionality-reduction

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？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

1回答

使用随机投影进行降维的R实现吗？

r、dimensionality-reduction

我有一个大p (~20K)和小n (~500)问题。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。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