Estatísticas e Big Data dimensionality-reduction

1

Qual é o bom uso do t-SNE, além da visualização de dados?

Em que situações devemos usar o t-SNE (além da visualização de dados)? O T-SNE é usado para redução de dimensionalidade. A resposta a esta pergunta sugere que o t-SNE deve ser usado apenas para visualização e que não devemos usá-lo para agrupamento. Então, qual é o bom uso do t-SNE?

12 data-visualization dimensionality-reduction tsne

1

Método Nystroem para Aproximação do Kernel

Eu tenho lido sobre o método Nyström para aproximação de kernel de baixo escalão. Este método é implementado no scikit-learn [1] como um método para projetar amostras de dados para uma aproximação de baixo escalão do mapeamento de recursos do kernel. Para o melhor de meu conhecimento, dado um conjunto …

12 scikit-learn dimensionality-reduction kernel-trick nonlinear

4

Quais são as diferenças entre autoencoders e t-SNE?

Tanto quanto eu sei, os autoencoders e o t-SNE são usados para redução de dimensionalidade não linear. Quais são as diferenças entre eles e por que devo usar um contra o outro?

12 neural-networks deep-learning dimensionality-reduction autoencoders tsne

3

Significado de "erro de reconstrução" em PCA e LDA

Estou implementando PCA, LDA e Naive Bayes, para compactação e classificação, respectivamente (implementando um LDA para compactação e classificação). Eu tenho o código escrito e tudo funciona. O que eu preciso saber, para o relatório, é qual é a definição geral de erro de reconstrução . Posso encontrar muita matemática …

12 machine-learning pca terminology dimensionality-reduction discriminant-analysis

3

Existe algum valor na redução da dimensionalidade de um conjunto de dados em que todas as variáveis são aproximadamente ortogonais?

Suponhamos que tem uma conjunto de dados -dimensional onde os dimensões são aproximadamente ortogonal (ter correlação zero).NNNNNN Existe alguma utilidade em termos de: Visualização Representação (para eficiência do classificador) Ou outros critérios executar redução de dimensionalidade nos dados?

11 pca dimensionality-reduction

8

Visualizando Dados de Alta Dimensão

Eu tenho amostras de duas classes que são vetores no espaço de alta dimensão e quero plotá-las em 2D ou 3D. Conheço as técnicas de redução de dimensionalidade, mas preciso de uma ferramenta realmente simples e fácil de usar (em matlab, python ou um .exe pré-construído). Também me pergunto se …

11 data-visualization matlab python dimensionality-reduction

3

Quais são as premissas da análise fatorial?

Quero verificar se realmente entendi a análise fatorial (FA) [clássica, linear] , especialmente as suposições feitas antes (e possivelmente depois) da FA. Alguns dados devem ser inicialmente correlacionados e existe uma possível relação linear entre eles. Após a análise fatorial, os dados são normalmente distribuídos (distribuição bivariada para cada par) …

11 correlation factor-analysis assumptions dimensionality-reduction

2

Qual é a vantagem de reduzir a dimensionalidade dos preditores para fins de regressão?

Quais são as aplicações ou vantagens das técnicas de regressão de redução de dimensão (DRR) ou redução de dimensionalidade supervisionada (SDR) sobre as técnicas de regressão tradicionais (sem nenhuma redução de dimensionalidade)? Essa classe de técnicas encontra uma representação em baixa dimensão do conjunto de recursos para o problema de …

11 regression machine-learning pca dimensionality-reduction

7

Técnica de redução de dados para identificar tipos de países

Ensino um curso introdutório de geografia econômica. Para ajudar meus alunos a entender melhor os tipos de países encontrados na economia mundial contemporânea e apreciar as técnicas de redução de dados, quero construir uma tarefa que crie uma tipologia de diferentes tipos de países (por exemplo, alta renda e alta …

11 pca factor-analysis dimensionality-reduction

2

Como determinar parâmetros para t-SNE para reduzir dimensões?

Eu sou muito novo em casamentos de palavras. Quero visualizar como os documentos estão cuidando da aprendizagem. Eu li que t-SNE é a abordagem para fazê-lo. Tenho 100 mil documentos com 250 dimensões como o tamanho da incorporação. Existem vários pacotes disponíveis também. No entanto, para t-SNE, não sei quantas …

11 pca dimensionality-reduction word2vec word-embeddings tsne

3

O primeiro componente principal não separa classes, mas outros PCs fazem; Como isso é possível?

Executei o PCA em 17 variáveis quantitativas para obter um conjunto menor de variáveis, que são os principais componentes, para serem usadas no aprendizado de máquina supervisionado para classificar instâncias em duas classes. Após o PCA, o PC1 responde por 31% da variação nos dados, o PC2 responde por 17%, …

11 machine-learning classification pca dimensionality-reduction

2

Modelando com mais variáveis que pontos de dados

Eu sou bastante novo em Machine Learning / Modeling e gostaria de ter um histórico desse problema. Eu tenho um conjunto de dados em que o número de observações é mas o número de variáveis é . Em primeiro lugar, faz sentido considerar a construção de um modelo em um …

11 regression machine-learning dimensionality-reduction penalized

1

Perguntas sobre PCA: quando os PCs são independentes? por que o PCA é sensível ao dimensionamento? por que os PCs são restritos a serem ortogonais?

Estou tentando entender algumas descrições do PCA (os dois primeiros são da Wikipedia), ênfase adicionada: Os componentes principais são garantidos como independentes apenas se o conjunto de dados for normalmente distribuído em conjunto . A independência dos principais componentes é muito importante? Como posso entender essa descrição? O PCA é …

11 pca dimensionality-reduction

4

A “projeção aleatória”, estritamente falando, não é uma projeção?

As implementações atuais do algoritmo de projeção aleatória reduzem a dimensionalidade das amostras de dados, mapeando-as de para usando uma matriz de projeção cujas entradas são iid de uma distribuição adequada (por exemplo, de ):RdRd\mathbb R^dRkRk\mathbb R^kd× kd×kd\times kRRRN( 0 , 1 )N(0,1)\mathcal N(0,1) x′= 1k√x Rx′=1kxRx^\prime = \frac{1}{\sqrt k}xR …

10 terminology dimensionality-reduction linear-algebra random-projection

3

Quando você usaria o PCA em vez do LDA na classificação?

Estou lendo este artigo sobre a diferença entre Análise de Componentes Principais e Análise Discriminante Múltipla (Análise Discriminante Linear), e estou tentando entender por que você usaria o PCA em vez do MDA / LDA. A explicação é resumida da seguinte forma: grosso modo, no PCA, estamos tentando encontrar os …

10 classification pca dimensionality-reduction discriminant-analysis

Perguntas com a marcação «dimensionality-reduction»