Perguntas com a marcação «multidimensional-scaling»

Qual a diferença entre PCA e MDS clássico? E quanto ao MDS versus o MDS não métrico? Existe um momento em que você prefere um sobre o outro? Como as interpretações diferem?

133 pca  multidimensional-scaling  pcoa 

Uma boa prática comum no Machine Learning é apresentar normalização ou padronização de dados das variáveis ​​preditoras, é isso, centralizar os dados subtraindo a média e normalizá-los dividindo pela variação (ou desvio padrão também). Para auto-contenção e para minha compreensão, fazemos isso para alcançar duas coisas principais: Evite pesos de …

52 machine-learning  normalization  standardization  multidimensional-scaling 

Estou tentando prever o resultado de um sistema complexo usando redes neurais (RNAs). Os valores do resultado (dependentes) variam entre 0 e 10.000. As diferentes variáveis ​​de entrada têm intervalos diferentes. Todas as variáveis ​​têm distribuições aproximadamente normais. Considero diferentes opções para dimensionar os dados antes do treinamento. Uma opção …

40 machine-learning  neural-networks  multidimensional-scaling 

Para o LASSO (e outros procedimentos de seleção de modelo), é crucial redimensionar os preditores. A recomendação geral que sigo é simplesmente usar uma média de 0, 1 normalização de desvio padrão para variáveis ​​contínuas. Mas o que há com manequins? Por exemplo, alguns exemplos aplicados da mesma (excelente) escola …

30 predictive-models  model-selection  lasso  standardization  multidimensional-scaling 

Ultimamente, tenho lido algumas perguntas sobre t-SNE ( Incorporação estocástica de vizinhos t-distribuídos ) e também visitou algumas perguntas sobre MDS ( Multidimensional Scaling ). Eles costumam ser usados ​​de forma análoga; portanto, parecia uma boa idéia fazer essa pergunta, pois há muitas perguntas sobre as duas separadamente (ou comparadas …

21 data-visualization  dimensionality-reduction  multidimensional-scaling  tsne 

Meu entendimento do t-SNE e da aproximação de Barnes-Hut é que todos os pontos de dados são necessários para que todas as interações de força possam ser calculadas ao mesmo tempo e que cada ponto possa ser ajustado no mapa 2d (ou menor dimensão). Existem versões do t-sne que podem …

19 data-visualization  dimensionality-reduction  multidimensional-scaling  tsne 

Recentemente, deparei-me com dimensionamento multidimensional. Estou tentando entender melhor essa ferramenta e seu papel na estatística moderna. Então, aqui estão algumas perguntas norteadoras: Quais perguntas ele responde? Quais pesquisadores geralmente estão interessados ​​em usá-lo? Existem outras técnicas estatísticas que executam funções semelhantes? Que teoria é desenvolvida em torno dela? Como …

18 multidimensional-scaling 

Eu usei randomForest para classificar 6 comportamentos de animais (por exemplo, em pé, andando, nadando etc.) com base em 8 variáveis ​​(diferentes posturas e movimentos corporais). O MDSplot no pacote randomForest me fornece essa saída e tenho problemas em interpretar o resultado. Eu fiz um PCA com os mesmos dados …

14 r  classification  random-forest  multidimensional-scaling 

Quero agrupar um conjunto de dados massivo para o qual tenho apenas as distâncias aos pares. Eu implementei um algoritmo k-medoids, mas está demorando muito para ser executado, então eu gostaria de começar reduzindo a dimensão do meu problema aplicando o PCA. No entanto, a única maneira que sei executar …

12 pca  dimensionality-reduction  multidimensional-scaling 

Eu tenho um conjunto de pontos de dados em um espaço N-dimensional. Além disso, eu também tenho um centróide neste mesmo espaço N-dimensional. Existem abordagens que me permitam projetar esses pontos de dados em um espaço bidimensional, mantendo as informações de distância relativa no espaço original. O PCA é o …

11 data-visualization  pca  multidimensional-scaling 

Estou usando a indexação semântica latente para encontrar semelhanças entre documentos ( obrigado, JMS! ) Após a redução da dimensão, tentei o agrupamento k-means para agrupar os documentos em clusters, o que funciona muito bem. Mas eu gostaria de ir um pouco mais longe e visualizar os documentos como um …

11 data-visualization  clustering  python  multidimensional-scaling 

Considerando o número de recursos constante, o Barnes-Hut t-SNE possui uma complexidade de , projeções aleatórias e PCA têm uma complexidade de tornando-os "acessíveis" para conjuntos de dados muito grandes.O(nlogn)O(nlog⁡n)O(n\log n)O(n)O(n)O(n) Por outro lado, os métodos baseados no dimensionamento multidimensional têm uma complexidade .O(n2)O(n2)O(n^2) Existem outras técnicas de redução de …

9 pca  dimensionality-reduction  large-data  multidimensional-scaling  tsne 

De acordo com "Efficient Backprop" de LeCun et al (1998) , é uma boa prática normalizar todas as entradas para que elas fiquem centralizadas em torno de 0 e fiquem dentro da faixa da segunda derivada máxima. Então, por exemplo, usaríamos [-0,5,0,5] para a função "Tanh". Isso é para ajudar …

9 machine-learning  neural-networks  normalization  deep-learning  multidimensional-scaling