প্রশ্ন ট্যাগ «dimensionality-reduction»

সমস্যা সেটআপ আমার কাছে উচ্চ মাত্রার (4096) ডেটা পয়েন্ট (চিত্রগুলি) রয়েছে, যা আমি 2D তে ভিজ্যুয়ালাইজ করার চেষ্টা করছি। এই লক্ষ্যে, আমি কার্পাথির দ্বারা নিম্নলিখিত উদাহরণ কোডের অনুরূপ টি-স্নে ব্যবহার করছি । Scikit-শিখতে ডকুমেন্টেশন প্রথম ডেটার মাত্রা কম পিসিএ ব্যবহার বিশেষ পরামর্শ দেওয়া হচ্ছে: বৈশিষ্ট্যের সংখ্যাটি খুব বেশি হলে মাত্রার …

9 pca  dimensionality-reduction  high-dimensional  java  tsne 

বহুগুণে পড়াশোনা এবং অ-লিনিয়ার মাত্রিকতা হ্রাসের মধ্যে পার্থক্য কী ? আমি এই দুটি পদটি বিনিময়যোগ্যভাবে ব্যবহৃত হতে দেখেছি। উদাহরণ স্বরূপ: http://www.cs.cornell.edu/~kilian/research/manifold/manifold.html : ম্যানিফোল্ড লার্নিং (প্রায়শই অ-রৈখিক মাত্রিক হ্রাস হিসাবেও পরিচিত) ডেটা এম্বেড করার লক্ষ্যটি অনুসরণ করে যা মূলত নিম্ন মাত্রিক জায়গাতে একটি উচ্চ মাত্রিক স্থানে থাকে, যখন বৈশিষ্ট্যযুক্ত বৈশিষ্ট্যগুলি সংরক্ষণ …

9 terminology  dimensionality-reduction  manifold-learning 

আমি তাপমাত্রা বনাম আইসক্রিম বিক্রয়ের একটি ডামি ডেটা নিচ্ছি এবং কে মিন্স (এন ক্লাস্টারস = 2) ব্যবহার করে 2 বিভাগ (সম্পূর্ণ ডামি) পার্থক্য করতে এটি শ্রেণীবদ্ধ করেছি। এখন আমি এই ডেটাতে একটি প্রধান উপাদান বিশ্লেষণ করছি এবং আমার লক্ষ্য আমি কী দেখছি তা বোঝা। আমি জানি যে পিসিএ উদ্দেশ্যটি মাত্রিকতা …

9 pca  interpretation  k-means  dimensionality-reduction 

স্থির বৈশিষ্ট্যগুলির সংখ্যা বিবেচনা করে, বার্নস-হট টি-এসএনই- তে একটি জটিলতা রয়েছে , এলোমেলো প্রক্ষেপণ এবং পিসিএ-তে একটি জটিলতা রয়েছে এগুলিকে খুব বড় ডেটা সেটগুলির জন্য "সাশ্রয়ী" করে তোলে।O(nlogn)O(nlog⁡n)O(n\log n)O(n)O(n)O(n) অন্যদিকে, বহুমাত্রিক স্কেলিংয়ের উপর নির্ভরশীল পদ্ধতিগুলির একটি জটিলতা রয়েছে।O(n2)O(n2)O(n^2) অন্যান্য মাত্রা হ্রাস কৌশলগুলি (তুচ্ছ বিষয়গুলি বাদ দিয়ে, যেমন প্রথম কলামগুলি দেখার …

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

অটেনকোডার নেটওয়ার্কগুলি সাধারণ শ্রেণিবদ্ধ এমএলপি নেটওয়ার্কগুলির চেয়ে বেশি কৌশলযুক্ত বলে মনে হয়। পুনর্গঠিত আউটপুটে আমি যা পেয়েছি লাসাগনকে ব্যবহার করার পরে বেশ কয়েকটি চেষ্টার পরে এমন একটি জিনিস যা এমএনআইএসটি ডাটাবেসের সমস্ত চিত্রের ইনপুট ডিজিটটি আসলে কী তা কোনও পার্থক্য ছাড়াই তার অস্পষ্ট গড়ের সাথে সাদৃশ্যপূর্ণ । আমি যে নেটওয়ার্ক …

9 machine-learning  neural-networks  dimensionality-reduction  unsupervised-learning  autoencoders 

মেশিন লার্নিংয়ে, প্রায়শই ধরে নেওয়া হয় যে একটি ডেটা সেট একটি স্বাচ্ছন্দ্য নিম্ন-মাত্রিক বহুগুণ (বহুবিধ অনুমান) এর উপর নির্ভর করে তবে কিছু শর্তটি সন্তুষ্ট বলে ধরে নিবারণের কোনও উপায় আছে, তবে ডেটা সেটটি প্রকৃতপক্ষে (আনুমানিক) উত্পন্ন হয়েছে নিম্ন মাত্রিক মসৃণ বহুগুণ থেকে? উদাহরণস্বরূপ, একটি ডেটা সিকোয়েন্স দেওয়া হয়েছে যেখানে (বিভিন্ন …

9 machine-learning  dimensionality-reduction  manifold-learning 

আমি একটি অ্যাপ্লিকেশন-ভিত্তিক কাগজ পর্যালোচনা করে বলেছিলাম যে আইসিএ প্রয়োগ করার আগে পিসিএ প্রয়োগ করা (ফাস্টিকা প্যাকেজ ব্যবহার করে)। আমার প্রশ্ন হ'ল, আইসিএ (ফাস্টিকা) প্রথমে পিসিএ চালানো দরকার? এই কাগজ যে উল্লেখ ... এটি যুক্তিযুক্ত যে পিসিএ প্রাক প্রয়োগকারী আইসিএর কার্যকারিতা বৃদ্ধি করে (1) সাদা করার আগে ছোট ট্রিলিং ইগন্যাল্যগুলি …

9 pca  dimensionality-reduction  pattern-recognition  ica 

ধরুন আমার কাছে একটি 2 ডি পয়েন্টের ডেটাসেট রয়েছে এবং আমি ডেটাতে সমস্ত স্থানীয় ম্যাক্সিমার পরিবর্তনের দিকগুলি সনাক্ত করতে চাই, উদাহরণস্বরূপ: পিসিএ এই পরিস্থিতিতে সহায়তা করে না কারণ এটি একটি অরথোগোনাল পচা এবং অতএব আমি নীল বর্ণিত দুটি রেখা সনাক্ত করতে পারি না, বরং এর আউটপুট সবুজ রেখাগুলির দ্বারা দেখানো …

9 pca  dimensionality-reduction 

আমি 22 টি ভেরিয়েবলের উপর ভিত্তি করে এসপিএসএসে মূল উপাদান বিশ্লেষণ (ফ্যাক্টর বিশ্লেষণ) করতে চাই। যাইহোক, আমার কিছু ভেরিয়েবলগুলি খুব স্কিউড (এসপিএসএস থেকে 2-80 রেঞ্জের মধ্যে স্কিউনেস গণনা করা হয়!)। সুতরাং এখানে আমার প্রশ্নগুলি: আমার কি স্কেওড ভেরিয়েবলগুলি রাখা উচিত বা আমি মূল উপাদান বিশ্লেষণে ভেরিয়েবলগুলি রূপান্তর করতে পারি? যদি …

9 pca  factor-analysis  dimensionality-reduction  skewness 

মাত্রা হ্রাস কেন গুরুত্বপূর্ণ তা আমি বুঝতে পারি না। কিছু ডেটা নেওয়ার এবং তাদের মাত্রা হ্রাস করে কী লাভ?

9 dimensionality-reduction  svd 

আমি ডেটার কাঠামোর আরও ভাল ধারণা পেতে, একটি এসভিডি পচন এবং একটি 6-মাত্রিক ডেটা ম্যাট্রিক্সের একটি বহুমাত্রিক স্কেলিং উভয়ই সম্পাদন করেছি। দুর্ভাগ্যক্রমে, সমস্ত একক মানগুলি একই ক্রমের, বোঝাচ্ছে যে ডেটাটির মাত্রাটি সত্যই 6 is তবে, আমি একবাক্য ভেক্টরের মানগুলি ব্যাখ্যা করতে সক্ষম হতে চাই। উদাহরণস্বরূপ, প্রথমটি প্রতিটি মাত্রায় (অর্থাত্ (1,1,1,1,1,1)) …

9 pca  interpretation  dimensionality-reduction  svd