প্রশ্ন ট্যাগ «dimensionality-reduction»

হ্রাস র‌্যাঙ্কের রিগ্রেশন এবং প্রধান উপাদানগুলির রিগ্রেশন কেবলমাত্র আংশিক ন্যূনতম স্কোয়ারগুলির বিশেষ ক্ষেত্রে? এই টিউটোরিয়াল (পৃষ্ঠা,, "উদ্দেশ্যগুলির তুলনা") বলেছে যে আমরা যখন এক্স বা ওয়াই (যেমন "আংশিক নয়") প্রজেক্ট না করে আংশিক ন্যূনতম স্কোয়ারগুলি করি তখন এটি একইভাবে হ্রাস র‌্যাঙ্ক রিগ্রেশন বা মূল উপাদানগুলির রিগ্রেশন হয়ে যায়। এই এসএএস ডকুমেন্টেশন …

16 regression  pca  dimensionality-reduction  partial-least-squares  reduced-rank-regression 

এই ডেটা ব্যবহার করে: head(USArrests) nrow(USArrests) আমি এইভাবে একটি পিসিএ করতে পারি: plot(USArrests) otherPCA <- princomp(USArrests) আমি নতুন উপাদান পেতে পারেন otherPCA$scores এবং উপাদানগুলির সাথে ব্যাখ্যা করে বৈকল্পিকের অনুপাত summary(otherPCA) তবে যদি আমি জানতে চাই যে কোন ভেরিয়েবলগুলি মূলত কোন প্রধান উপাদান দ্বারা ব্যাখ্যা করা হয়? এবং তদ্বিপরীত: যেমন পিসি …

15 r  pca  dimensionality-reduction  regression-strategies 

নামমাত্র বা অর্ডিনাল ডেটাতে বিভাগের সংখ্যা হ্রাস করার জন্য আমি কোনও পদ্ধতি খুঁজতে লড়াই করছি। উদাহরণস্বরূপ, আসুন আমরা বলি যে আমি একটি ডেটাসেটে একটি রিগ্রেশন মডেল তৈরি করতে চাই যেখানে বেশ কয়েকটি নামমাত্র এবং অর্ডিনাল ফ্যাক্টর রয়েছে। যদিও এই পদক্ষেপে আমার কোনও সমস্যা নেই, আমি প্রায়শই এমন পরিস্থিতিতে চলে যাই …

14 r  categorical-data  dimensionality-reduction  many-categories 

এলোমেলো বন শ্রেণিবদ্ধকরণ করার আগে পিসিএ করা কি বোধগম্য? আমি উচ্চ মাত্রিক পাঠ্য ডেটা নিয়ে কাজ করছি, এবং মাত্রিকতার অভিশাপ এড়াতে সহায়তা করতে আমি বৈশিষ্ট্য হ্রাস করতে চাই, তবে র্যান্ডম অরণ্যগুলি ইতিমধ্যে কোনও ধরণের মাত্রা হ্রাস করার পক্ষে নয়?

14 classification  pca  random-forest  dimensionality-reduction  high-dimensional 

আমি যে সুনির্দিষ্ট সমস্যার সাথে কাজ করি (একটি প্রতিযোগিতা) হিসাবে আমার কাছে ফোলওয়েং সেটিং রয়েছে: 21 টি বৈশিষ্ট্য ([0,1] এর উপরের সংখ্যাসূচক) এবং একটি বাইনারি আউটপুট। আমার প্রায় 100 কে সারি রয়েছে। সেটিংটি খুব শোরগোল বলে মনে হচ্ছে। আমি এবং অন্যান্য অংশগ্রহণকারীরা কিছুক্ষণের জন্য ফিচার জেনারেশনটি প্রয়োগ করেন এবং টি-বিতরণ …

13 machine-learning  dimensionality-reduction  unsupervised-learning  tsne 

আমার কাছে 15 কে লেবেলযুক্ত নমুনা (10 টি গোষ্ঠী) নিয়ে একটি ডেটা সেট রয়েছে। আমি মাত্রিকতা হ্রাস 2 টি মাত্রায় প্রয়োগ করতে চাই, এটি লেবেলের জ্ঞানের বিবেচনায় নেবে। আমি যখন পিসিএর মতো "স্ট্যান্ডার্ড" অব্যবহৃত ত্রিমাত্রিকতা হ্রাস কৌশলগুলি ব্যবহার করি, তখন স্ক্যাটার প্লটটির পরিচিত লেবেলের সাথে কোনও সম্পর্ক নেই বলে মনে …

13 machine-learning  pca  dimensionality-reduction  supervised-learning  discriminant-analysis 

আমি জানি যে বৈশিষ্ট্যগুলির মূল সেটটিতে বৈশিষ্ট্য সংখ্যা হ্রাস করার লক্ষ্যে বৈশিষ্ট্য নির্বাচন এবং মাত্রিক হ্রাস উভয়ই লক্ষ্য। আমরা যদি উভয়েই একই জিনিসটি করি তবে দুজনের মধ্যে সঠিক পার্থক্য কী?

13 machine-learning  pca  feature-selection  dimensionality-reduction 

দৃশ্যত, ফিশার বিশ্লেষণের লক্ষ্য একইসাথে শ্রেণীর বিভাজনকে সর্বাধিক করে তোলা এবং শ্রেণীর অভ্যন্তরে বিভাজনকে হ্রাস করা। একটি পরিবর্তনশীল এর বৈষম্য ক্ষমতার একটি দরকারী পরিমাপ অত: পর তির্যক পরিমাণ দেওয়া হয়: ।Bii/WiiBii/WiiB_{ii}/W_{ii} http://root.cern.ch/root/htmldoc/TMVA__MethodFisher.html আমি বুঝতে পারি যে p x pবিটুইন ( বি ) এবং ইনভার-ক্লাস ( ডাব্লু ) ম্যাট্রিকের আকার ( …

13 algorithms  dimensionality-reduction  discriminant-analysis  sums-of-squares 

2 টি প্রসঙ্গে প্রতিটি 87 টি প্রাণীর উপর আমার 3 টি ট্রায়াল রয়েছে (কিছু অনুপস্থিত ডেটা; অনুপস্থিত ডেটা নেই = 64 প্রাণী)। একটি প্রেক্ষাপটে মধ্যে, আমি অনেক নির্দিষ্ট পরিমাপ করে (সময় প্রবেশ করতে, আশ্রয় ফিরে যতবার, ইত্যাদি) তাই আমি (তাদের কল 2 থেকে 3 যৌগিক আচরণ স্কোর যে প্রেক্ষাপটে আচরণ …

13 repeated-measures  pca  dimensionality-reduction 

আমি বুঝতে পারি এলএলইর জন্য অ্যালগরিদমের পিছনে মূল নীতিটি তিনটি পদক্ষেপ নিয়ে গঠিত। কিছু মেট্রিক যেমন কে-এনএন দ্বারা প্রতিটি ডেটা পয়েন্টের আশপাশ সন্ধান করা। প্রতিবেশীর জন্য ওজন সন্ধান করুন যা প্রতিবেশীর ডেটা পয়েন্টে কী প্রভাব ফেলে তা বোঝায়। গণিত ওজনের উপর ভিত্তি করে ডেটাটির নিম্ন মাত্রিক এম্বেডিং তৈরি করুন। তবে …

13 machine-learning  model-selection  feature-selection  dimensionality-reduction  nonlinear 

কার্নেল পিসিএ (মূল উপাদান বিশ্লেষণ) দ্বারা চূড়ান্ত ডেটা আউটপুটে ভাল ডেটা বিচ্ছিন্নতার ফলাফল কী তা চয়ন করার উপায়গুলি কী কী এবং কার্নেলের প্যারামিটারগুলি অনুকূল করার উপায়গুলি কী কী? সম্ভব হলে লেম্যানের শর্তাদি ব্যাপকভাবে প্রশংসিত হবে এবং এই জাতীয় পদ্ধতিগুলির ব্যাখ্যা করে এমন কাগজের লিঙ্কগুলিও দুর্দান্ত হবে।

13 pca  cross-validation  dimensionality-reduction  kernel-trick  manifold-learning 

আমি বর্তমানে টি-এসএনই গণিতের চারপাশে মাথা জড়িয়ে দেওয়ার চেষ্টা করছি । দুর্ভাগ্যক্রমে, এখনও একটি প্রশ্ন রয়েছে যা আমি সন্তোষজনকভাবে উত্তর দিতে পারছি না: টি-এসএনই গ্রাফের অক্ষগুলির প্রকৃত অর্থ কী? যদি আমি এই বিষয়ে একটি উপস্থাপনা দিতে বা এটি কোনও প্রকাশনায় অন্তর্ভুক্ত করি: আমি অক্ষগুলি কীভাবে যথাযথভাবে লেবেল করব? পিএস: আমি …

12 machine-learning  dimensionality-reduction  tsne 

আমার একটি খুব বড় ডেটাসেট রয়েছে এবং প্রায় 5% এলোমেলো মান অনুপস্থিত। এই ভেরিয়েবলগুলি একে অপরের সাথে সম্পর্কিত হয়। নীচের উদাহরণটি আর ডেটাসেটটি ডমি কোলেলেটেড ডেটা সহ একটি খেলনার উদাহরণ। set.seed(123) # matrix of X variable xmat <- matrix(sample(-1:1, 2000000, replace = TRUE), ncol = 10000) colnames(xmat) <- paste ("M", …

12 r  random-forest  missing-data  data-imputation  multiple-imputation  large-data  definition  moving-window  self-study  categorical-data  econometrics  standard-error  regression-coefficients  normal-distribution  pdf  lognormal  regression  python  scikit-learn  interpolation  r  self-study  poisson-distribution  chi-squared  matlab  matrix  r  modeling  multinomial  mlogit  choice  monte-carlo  indicator-function  r  aic  garch  likelihood  r  regression  repeated-measures  simulation  multilevel-analysis  chi-squared  expected-value  multinomial  yates-correction  classification  regression  self-study  repeated-measures  references  residuals  confidence-interval  bootstrap  normality-assumption  resampling  entropy  cauchy  clustering  k-means  r  clustering  categorical-data  continuous-data  r  hypothesis-testing  nonparametric  probability  bayesian  pdf  distributions  exponential  repeated-measures  random-effects-model  non-independent  regression  error  regression-to-the-mean  correlation  group-differences  post-hoc  neural-networks  r  time-series  t-test  p-value  normalization  probability  moments  mgf  time-series  model  seasonality  r  anova  generalized-linear-model  proportion  percentage  nonparametric  ranks  weighted-regression  variogram  classification  neural-networks  fuzzy  variance  dimensionality-reduction  confidence-interval  proportion  z-test  r  self-study  pdf 

আমি একটি বৃহদায়তন ডেটাসেট ক্লাস্টার করতে চাই যার জন্য আমার কাছে কেবল জোড়াযুক্ত দূরত্ব রয়েছে। আমি একটি কে-মেডয়েড অ্যালগরিদম প্রয়োগ করেছি, তবে এটি চালাতে খুব বেশি সময় লাগছে তাই আমি পিসিএ প্রয়োগ করে আমার সমস্যার মাত্রা হ্রাস করে শুরু করতে চাই। যাইহোক, এই পদ্ধতিটি সম্পাদন করতে আমি কেবল জানতে পারি …

12 pca  dimensionality-reduction  multidimensional-scaling 

কোন পরিস্থিতিতে আমাদের টি-এসএনই (ডাটা ভিজুয়ালাইজেশন বাদে) ব্যবহার করা উচিত? টি-এসএনই মাত্রা হ্রাস করার জন্য ব্যবহৃত হয়। এই উত্তর প্রশ্ন দাড়ায় যে টি-Sne শুধুমাত্র ঠাহর জন্য এবং আমরা ক্লাস্টারিং জন্য এটি ব্যবহার করা উচিত নয় যে ব্যবহার করা উচিত। তাহলে টি-এসএনই-র ভাল ব্যবহার কী?

12 data-visualization  dimensionality-reduction  tsne