প্রশ্ন ট্যাগ «eigenvalues»

আজকের প্যাটার্ন রিকগনিশন ক্লাসে আমার প্রফেসর পিসিএ, ইগেনভেেক্টর এবং ইগেনভ্যালু সম্পর্কে কথা বলেছেন। আমি এর গণিত বুঝতে পেরেছি। যদি আমাকে ইগেনভ্যালু ইত্যাদি খুঁজতে বলা হয় তবে আমি এটি কোনও মেশিনের মতো সঠিকভাবে করব। তবে আমি তা বুঝতে পারি নি। আমি এর উদ্দেশ্য পাইনি। আমি এর অনুভূতি পাইনি। আমি নিম্নলিখিত উদ্ধৃতিতে …

976 pca  intuition  eigenvalues  canonical-question 

আমি পারস্পরিক সম্পর্ক বা কোভেরিয়েন্স ম্যাট্রিক্সের ইতিবাচক আধা-নির্দিষ্ট সম্পত্তিটির অর্থ নিয়ে গবেষণা করছি। আমি কোন তথ্য খুঁজছি ইতিবাচক অর্ধ-নির্দিষ্টকরণের সংজ্ঞা; এর গুরুত্বপূর্ণ বৈশিষ্ট্য, ব্যবহারিক প্রভাব; নেতিবাচক নির্ধারক হওয়ার পরিণতি, মাল্টিভারিয়েট বিশ্লেষণে প্রভাব বা সিমুলেশন ফলাফল ইত্যাদি

34 covariance-matrix  eigenvalues  determinant  correlation-matrix 

যখন আমি কিছু উত্তল অপ্টিমাইজেশান পরীক্ষা করছিলাম তখন আমি একটি অদ্ভুত প্রশ্ন পেয়েছি। প্রশ্ন হচ্ছে: ধরুন আমি এলোমেলোভাবে (স্ট্যান্ডার্ড সাধারণ বিতরণ বলি) একটি সিমেট্রিক ম্যাট্রিক্স উত্পন্ন করি, (উদাহরণস্বরূপ, আমি উচ্চতর ত্রিভুজাকৃতির ম্যাট্রিক্স উত্পন্ন করি, এবং এটি প্রতিসাম্য কিনা তা নিশ্চিত করার জন্য নীচের অর্ধেকটি পূরণ করি), এটি সম্ভাবনা কতটা সম্ভব …

32 probability  matrix  random-generation  eigenvalues  random-matrix 

আপনার ডেটা পিসিএর জন্য কেন্দ্রীভূত করে (বা ডি-অর্থ)? আমি শুনেছি এটি গণিতকে সহজ করে তোলে বা এটি প্রথম পিসিকে ভেরিয়েবলগুলির মাধ্যম দ্বারা প্রভাবিত হতে বাধা দেয় তবে আমার মনে হয় আমি এখনও দৃ feel়ভাবে ধারণাটি উপলব্ধি করতে সক্ষম হইনি। উদাহরণস্বরূপ, শীর্ষস্থানীয় উত্তর এখানে ডেটা কেন্দ্রীকরণ কীভাবে রিগ্রেশন এবং পিসিএর বিরতি …

30 r  pca  svd  eigenvalues  centering 

আমি অ্যান্ড্রু এনজির কোরাসেরা কোর্স এবং অন্যান্য উপকরণ থেকে পিসিএ অধ্যয়ন করছি। স্ট্যানফোর্ড এনএলপি কোর্সে CS224n এর প্রথম অ্যাসাইনমেন্ট এবং অ্যান্ড্রু এনগের বক্তৃতার ভিডিওতে তারা কোভরিয়েন্স ম্যাট্রিক্সের ইগেনভেেক্টর পচানোর পরিবর্তে একক মানের মূল্য পচন করে এবং এনজিও বলেছে যে এসভিডি ইজেনডিকোপজিশনের চেয়ে সংখ্যাগতভাবে আরও স্থিতিশীল। আমার বোঝার থেকে, পিসিএ আমরা …

29 pca  linear-algebra  svd  eigenvalues  numerics 

পিসিএ সালে যখন এর মাত্রা সংখ্যা চেয়ে বড় (অথবা এমনকি সমান করার জন্য) নমুনা সংখ্যা কেন যেগুলি আপনি থাকতে হবে নন-জিরো eigenvectors? অন্য কথায়, ডের ডাইমেনশনের মধ্যে কোভেরিয়েন্স ম্যাট্রিক্সের র‌্যাঙ্কটি ।dddNNNN−1N−1N-1d≥Nd≥Nd\ge NN−1N−1N-1 উদাহরণ: আপনার নমুনাগুলি ভেক্টরাইজড ইমেজ, যা ডাইমেনশন , , তবে আপনার কেবল চিত্র রয়েছে।d=640×480=307200d=640×480=307200d = 640\times480 = 307\,200N=10N=10N=10

22 pca  dimensionality-reduction  eigenvalues 

কোভেরিয়েন্স ম্যাট্রিক্সের ইগেনভেেক্টরগুলির দিকে তাকানোর সময় আমরা সর্বাধিক বৈকল্পিকের দিকনির্দেশ পাই (প্রথম ইগেনভেেক্টরটি সেই দিক যা ডেটা সর্বাধিক পরিবর্তিত হয় ইত্যাদি); একে বলা হয় মূল উপাদান বিশ্লেষণ (পিসিএ)। আমি ভাবছিলাম যে মিউচুয়াল ইনফরমেশন ম্যাট্রিক্সের ইগেনভেেক্টর / মানগুলি দেখার অর্থ কী, তারা কি সর্বাধিক এনট্রপির দিক নির্দেশ করবে?

14 pca  entropy  mutual-information  eigenvalues 

আমার প্রশ্নটি একটি গণনা প্রযুক্তির সাথে সম্পর্কিত geoR:::.negloglik.GRFবা এর সাথে সম্পর্কিত geoR:::solve.geoR। রৈখিক মিশ্র মডেল সেটআপে: যেখানে β এবং খ যথাক্রমে স্থির এবং এলোমেলো প্রভাব। এছাড়াও, Σ = কোভ ( ওয়াই )ওয়াই= এক্সβ+ + জেডখ + ইY=Xβ+Zb+e Y=X\beta+Zb+e ββ\betaখbbΣ = কোভ ( ওয়াই)Σ=cov(Y)\Sigma=\text{cov}(Y) যখন প্রভাব আনুমানিক হিসাব, সেখানে গনা প্রয়োজন …

13 r  eigenvalues  matrix-decomposition  matrix-inverse  cholesky 

আমি একটি স্পারস / গ্যাপি ডেটা সেটের উপর ভিত্তি করে কোভারিয়েন্স ম্যাট্রিক্সকে পচানোর চেষ্টা করছি। আমি লক্ষ করছি যে ল্যাম্বডা যোগফল (ব্যাখ্যা করা বৈকল্পিক) হিসাবে গণনা করা হয়েছে svd, ক্রমবর্ধমান gappy ডেটা দিয়ে প্রশস্ত করা হচ্ছে। ফাঁক ছাড়াই svdএবং eigenএকই ফলাফলের ছাঁটাই। এটি eigenপচন ধরে বলে মনে হচ্ছে না । …

12 r  svd  eigenvalues 

আমি এখানে পিয়ারসন সম্পর্কের ম্যাট্রিক্স সম্পর্কে কথা বলছি। আমি প্রায়শই শুনেছি যে সমস্ত পারস্পরিক সম্পর্ক ম্যাট্রিক্স অবশ্যই পজিটিভ সেমাইডাইফিনেট হতে হবে। আমার বোধগম্যতা হল যে পজিটিভ সুনির্দিষ্ট ম্যাট্রিকের অবশ্যই ইগেনভ্যালু , ধনাত্মক সেমিডেফাইনেট ম্যাট্রিকগুলিতে অবশ্যই আইজেনভ্যালু থাকতে হবে । এটি আমাকে ভাবতে বাধ্য করে যে আমার প্রশ্নটির পুনঃব্যবস্থা করা যেতে …

11 covariance-matrix  eigenvalues  correlation-matrix 

ক্রিস্টোফার বিশপ তার প্রমাণ প্যাটার্ন রিকগনিশন অ্যান্ড মেশিন লার্নিং প্রুফ গ্রন্থে লিখেছেন যে পূর্ববর্তী নির্বাচিত উপাদানগুলিতে ডেটা অরথোগোনাল স্পেসে প্রত্যাশিত হওয়ার পরে প্রতিটি পর পরের মূল উপাদানটি একটি মাত্রার প্রক্ষেপণের বৈচিত্রকে সর্বাধিক করে তোলে। অন্যরা অনুরূপ প্রমাণ দেখায়। যাইহোক, এটি কেবল প্রমাণ করে যে প্রতিটি ক্রমাগত উপাদানই একটি মাত্রার সর্বাধিক …

11 machine-learning  variance  pca  dimensionality-reduction  eigenvalues 

প্রচুর পরিসংখ্যানের পাঠ্যপুস্তক একটি কোভারিয়েন্স ম্যাট্রিক্সের ইজিভেনেক্টরগুলি কী তার একটি স্বজ্ঞাত চিত্র দেয়: ভেক্টরগুলি ইউ এবং জেড ইগেনভেেক্টরগুলি তৈরি করে (ভাল, আইজেনেক্সেস)। এইবার বুঝতে পারছি. তবে একটি জিনিস যা আমাকে বিভ্রান্ত করে তা হ'ল আমরা কাঁচা তথ্য নয়, পারস্পরিক সম্পর্কের ম্যাট্রিক্স থেকে ইগেনভেেক্টরগুলি বের করি । তদতিরিক্ত, কাঁচা ডেটাসেটগুলি যা …

10 correlation  pca  covariance-matrix  eigenvalues 

আমি এমআরআই তথ্য নিয়ে একটি ম্যাটল্যাব বিশ্লেষণ করছি যেখানে আমি 10304x236 আকারের ম্যাট্রিক্সে পিসিএ করেছি যেখানে 10304 ভক্সেলের সংখ্যা (তাদেরকে পিক্সেল হিসাবে মনে করি) এবং 236 সময়পয়েন্টের সংখ্যা। পিসিএ আমাকে 236 ইগেনভ্যালু এবং তাদের সম্পর্কিত সহগ প্রদান করে। এই সব ঠিক আছে। তবে কয়টি উপাদান ধরে রাখতে হবে তা ঠিক …

10 pca  eigenvalues  neuroimaging 

আমি হাতে হাতে এসভিডি করার চেষ্টা করছি: m<-matrix(c(1,0,1,2,1,1,1,0,0),byrow=TRUE,nrow=3) U=eigen(m%*%t(m))$vector V=eigen(t(m)%*%m)$vector D=sqrt(diag(eigen(m%*%t(m))$values)) U1=svd(m)$u V1=svd(m)$v D1=diag(svd(m)$d) U1%*%D1%*%t(V1) U%*%D%*%t(V) তবে শেষ লাইনটি আর ফিরে আসে না m। কেন? মনে হচ্ছে এই আইজেনভেেক্টরগুলির লক্ষণগুলির সাথে কিছু করার আছে ... বা আমি পদ্ধতিটি ভুল বুঝেছি?

9 r  svd  eigenvalues 

প্রথম প্রধান উপাদান (গুলি) এবং পারস্পরিক সম্পর্ক মেট্রিক্সের গড় পারস্পরিক সম্পর্ক কী? উদাহরণস্বরূপ, একটি অভিজ্ঞতামূলক প্রয়োগে আমি পর্যবেক্ষণ করেছি যে গড় পারস্পরিক সম্পর্কটি প্রথম মূল উপাদানটির (প্রথম eigenvalue) সম্পূর্ণ প্রকরণের (সমস্ত eigenvalues ​​এর যোগফল) এর প্রকরণের অনুপাতের সমান। গাণিতিক সম্পর্ক আছে কি? নীচে অভিজ্ঞতামূলক ফলাফলের চার্ট দেওয়া আছে। যেখানে পারস্পরিক …

9 correlation  pca  mathematical-statistics  eigenvalues