Perguntas com a marcação «distance-functions»

Li que "a distância euclidiana não é uma boa distância em grandes dimensões". Acho que essa afirmação tem algo a ver com a maldição da dimensionalidade, mas o que exatamente? Além disso, o que são 'altas dimensões'? Tenho aplicado clustering hierárquico usando distância euclidiana com 100 recursos. Até quantos recursos …

240 machine-learning  clustering  distance-functions  metric  high-dimensional 

Ao usar a análise de cluster em um conjunto de dados para agrupar casos semelhantes, é preciso escolher entre um grande número de métodos de cluster e medidas de distância. Às vezes, uma escolha pode influenciar a outra, mas existem muitas combinações possíveis de métodos. Alguém tem alguma recomendação sobre …

73 clustering  distance-functions  methodology 

Existe um propósito específico em termos de eficiência ou funcionalidade porque o algoritmo k-means não usa, por exemplo, (des) semelhança de cosseno como uma métrica de distância, mas apenas pode usar a norma euclidiana? Em geral, o método K-means está em conformidade e correto quando outras distâncias além da Euclidiana …

62 clustering  k-means  distance-functions  euclidean 

Assuma que são dadas dois objectos cujas localizações exacta é desconhecida, mas está distribuído de acordo com a distribuição normal com parâmetros conhecidos (por exemplo, e . Podemos assumir que ambos são normais bivariados, de modo que as posições são descritas por uma distribuição sobre coordenadas (ie e são vetores …

41 normal-distribution  distance-functions 

Percebo que existem muitas diferenças formais entre as medidas de distância Kullback – Leibler vs Kolmogorov-Smirnov. No entanto, ambos são usados ​​para medir a distância entre distribuições. Existe uma situação típica em que um deve ser usado em vez do outro? Qual é a justificativa para fazer isso?

37 distributions  distance-functions  kolmogorov-smirnov  kullback-leibler 

No meu conjunto de dados, temos variáveis ​​contínuas e naturalmente discretas. Quero saber se podemos fazer cluster hierárquico usando os dois tipos de variáveis. E se sim, que medida de distância é apropriada?

34 clustering  similarities  distance-functions  mixed-type-data 

[O título inicial "Medição de similaridade para árvores de cluster hierárquicas" foi posteriormente alterado por @ttnphns para refletir melhor o tópico] Estou realizando várias análises hierárquicas de cluster em um quadro de dados de registros de pacientes (por exemplo, semelhante a http://www.biomedcentral.com/1471-2105/5/126/figure/F1?highres=y ) Estou experimentando diferentes medidas de distância , …

28 r  clustering  distance-functions  similarities  dendrogram 

Estou procurando uma boa terminologia para descrever o que estou tentando fazer, para facilitar a procura de recursos. Então, digamos que eu tenho dois grupos de pontos A e B, cada um associado a dois valores, X e Y, e eu quero medir a "distância" entre A e B - …

28 multivariate-analysis  terminology  distance-functions 

Em um cenário em que se observa X1,…,XnX1,…,XnX_1,\ldots,X_n distribuído a partir de uma distribuição com densidade fff , gostaria de saber se existe um estimador imparcial (baseado nos XiXiX_i ) da distância de Hellinger a outra distribuição com densidade f0f0f_0 , ou seja, H(f,f0)={1−∫Xf(x)f0(x)−−−−−−−−√dx}1/2.H(f,f0)={1−∫Xf(x)f0(x)dx}1/2. \mathfrak{H}(f,f_0) = \left\{ 1 - \int_\mathcal{X} …

20 pdf  unbiased-estimator  distance-functions  functional-data-analysis  hellinger 

Eu tenho um conjunto de dados em que cada dado consiste em nnn medidas diferentes. Para cada medida, tenho um valor de referência. Gostaria de saber o quão perto cada dado está do valor de referência. Pensei em usar a distância euclidiana ponderada da seguinte maneira: dx,b=(∑ni=1wi(xi−bi)2))1/2dx,b=(∑i=1nwi(xi−bi)2))1/2\hspace{0.5in} d_{x,b}=\left( \sum_{i=1}^{n}w_i(x_i-b_i)^2)\right)^{1/2} Onde …

16 distance-functions 

Estou agrupando distribuições de probabilidade usando o algoritmo de Afinidade de Propagação e planejo usar a Densidade de Jensen-Shannon como métrica de distância. É correto usar o próprio JSD como a distância ou o JSD ao quadrado? Por quê? Que diferenças resultariam da escolha de um ou outro?

15 machine-learning  clustering  entropy  distance-functions 

Estou usando o cluster hierárquico para analisar dados de séries temporais. Meu código é implementado usando a função MathematicaDirectAgglomerate[...] , que gera clusters hierárquicos com as seguintes entradas: uma matriz de distância D o nome do método usado para determinar a ligação entre cluster. Eu calculei a matriz de distância …

15 clustering  distance-functions  ward 

Alguém usa as métricas ou L .5 para agrupar, em vez de L 2 ? Aggarwal et al., Sobre o surpreendente comportamento das métricas de distância no espaço de alta dimensão, disseram (em 2001) queL1L1L_1L.5L.5L_.5L2L2L_2 é consistentemente mais preferível do que a métrica de distância euclidiana L 2 para aplicações …

14 clustering  distance-functions  rule-of-thumb 

Estou apenas trabalhando com o livro Inteligência Coletiva (de Toby Segaran) e me deparei com a pontuação da distância euclidiana. No livro, o autor mostra como calcular a semelhança entre duas matrizes de recomendação (ou seja, .pessoa × filme ↦ pontuação )pessoa×filme↦Ponto)\textrm{person} \times \textrm{movie} \mapsto \textrm{score}) Ele calcula a distância …

13 distance-functions  similarities 

Nota: esta pergunta é um repost, pois minha pergunta anterior teve que ser excluída por razões legais. Ao comparar o PROC MIXED do SAS com a função lmedo nlmepacote no R, deparei-me com algumas diferenças bastante confusas. Mais especificamente, os graus de liberdade nos diferentes testes diferem entre PROC MIXEDe …

12 r  mixed-model  sas  degrees-of-freedom  pdf  unbiased-estimator  distance-functions  functional-data-analysis  hellinger  time-series  outliers  c++  relative-risk  absolute-risk  rare-events  regression  t-test  multiple-regression  survival  teaching  multiple-regression  regression  self-study  t-distribution  machine-learning  recommender-system  self-study  binomial  standard-deviation  data-visualization  r  predictive-models  pearson-r  spearman-rho  r  regression  modeling  r  categorical-data  data-visualization  ggplot2  many-categories  machine-learning  cross-validation  weka  microarray  variance  sampling  monte-carlo  regression  cross-validation  model-selection  feature-selection  elastic-net  distance-functions  information-theory  r  regression  mixed-model  random-effects-model  fixed-effects-model  dataset  data-mining