আমার কাছে দুটি শ্রেণীর নমুনা রয়েছে যা উচ্চ মাত্রিক স্থানের ভেক্টর এবং আমি তাদের 2D বা 3 ডি তে প্লট করতে চাই।
আমি মাত্রিকতা হ্রাস কৌশল সম্পর্কে জানি, তবে আমার সত্যিকারের সহজ এবং সহজে ব্যবহারের সরঞ্জাম প্রয়োজন (মাতলাব, পাইথন বা একটি প্রাক-বিল্ট। এক্সে)।
এছাড়াও আমি ভাবছি 2D এর প্রতিনিধিত্ব কি "অর্থবহ" হতে চলেছে? (উদাহরণস্বরূপ, দুটি শ্রেণি কীভাবে ছেদ করতে পারে বা পৃথকযোগ্য হতে পারে)।
উত্তর:
হাই ডাইমেনশনাল ডেটা ভিজ্যুয়ালাইজ করার জন্য একটি প্রাক বিল্ট টুল হ'ল গিগি । এটি আপনাকে গোষ্ঠীগুলির প্রতিনিধিত্ব করার জন্য পয়েন্টগুলিকে রঙ করতে দেয় এবং তারপরে উচ্চ মাত্রাকে 2 মাত্রিক উপস্থাপনে হ্রাস করার জন্য কয়েকটি বিকল্প থাকে। একটি বিশেষত দুর্দান্ত সরঞ্জাম হ'ল 2 ডি গ্র্যান্ড ট্যুর যা মূলত একাধিক মাত্রায় ডেটা ক্লাউডকে ঘোরায় এবং আপনাকে ঘূর্ণনের 2D প্রজেকশনটির অ্যানিমেশন দেখায়। আকর্ষণীয় নিদর্শনগুলি দেখলে আপনি আবর্তনটি ধীর করতে বা বিরতি দিতে পারেন।
কিভাবে একটি parrellel স্থানাঙ্ক প্লট সম্পর্কে?
শাস্ত্রীয় পদ্ধতির একটি লিনিয়ার মাত্রিকতা হ্রাস সম্পাদনের জন্য পিসিএ ( অধ্যক্ষ উপাদান উপাদান বিশ্লেষণ ) ব্যবহার করা হবে। মূলত, যতটা সম্ভব তথ্যের বৈকল্পিকতা সংরক্ষণের সময়, এই ডাটাটি আপনার নিম্ন-মাত্রিক স্থানে (2 ডি ক্ষেত্রে এটি কেবল একটি বিমান) projects
পিসিএ চালানো সাধারণত বেশিরভাগ প্রোগ্রামিং ভাষায় একটি একক কমান্ড চালানো জড়িত তাই এটি খুব সহজ।
আপনার মনে রাখা উচিত যে আপনার ডেটা 2 বা 3 মাত্রায় সঠিকভাবে উপস্থাপন করা সম্ভব নয় cannot পিসিএ স্বয়ংক্রিয়ভাবে আপনাকে এর একটি পরিমাণগত অনুমান দেবে: এটি আপনাকে বলবে যে ফলাফলটি কম মাত্রিক উপস্থাপনার দ্বারা ভাগের কত শতাংশ গ্রহণ করা হয়েছে। এই সরল ভিজ্যুয়ালাইজেশনটি দেখে আপনি কতটা তথ্য হারাবেন তার অনুভূতি আপনাকে এনে দেবে।
শুধু আমার 5 সেন্ট যোগ করতে। পাইথন লাইব্রেরি সাইকিট-লার্নের এর জন্য অনেক অ্যালগরিদম রয়েছে:
শ্রেণীর সদস্যতার সম্ভাবনা হ্রাসের একটি দুর্দান্ত পদ্ধতি। এ বনাম বিতে সদস্যতার সম্ভাবনা 0 থেকে 1 এর মধ্যে থাকে আপনি আপনার সমস্ত নমুনার জন্য বনাম প্লট তৈরি করতে পারেন । p ( B | x i )
প্রদর্শন বিকল্পগুলির জন্য নিম্নলিখিত উদাহরণটি বিবেচনা করুন। http://www.mathworks.com/help/stats/gmdistribution.cluster.html
@ জুম্পার পরামর্শ ছাড়াও আপনার NeRV ( নেবারের পুনরুদ্ধার ভিজ্যুয়ালাইজার) ব্যবহার করা উচিত, যা " ননলাইনারি মাত্রা হ্রাস করার জন্য একটি মূলত তথ্য পুনরুদ্ধার ভিত্তিক পদ্ধতি ", এবং এসএনই / টি-এসএনই NeRV এর বিশেষ ক্ষেত্রে হিসাবে দেখা যেতে পারে। NeRV প্রধান point একটি ট্রেড বন্ধ কমান হয় রিকল এবং স্পষ্টতা মূল স্থান ও ডিসপ্লে মধ্যে। NeRV সি ++ তে লিখিত একটি কমান্ড লাইন সরঞ্জাম হিসাবে সরবরাহ করা হয়েছে।
তাদের ওয়েবসাইটের একটি ডেমো ছবি: বাম ফলাফলটি পুনর্বিবেচনার উপর আরও বেশি জোর দেয় (কম "মিস করবেন না"), ডানদিকে যথার্থতার উপর আরও বেশি জোর দেওয়া হয় (কম "মিথ্যা প্রতিবেশী")।
