প্রশ্ন ট্যাগ «matrix-decomposition»

/ সম্পাদনা: আরও অনুসরণ করুন এখন আপনি irlba :: prcomp_irlba ব্যবহার করতে পারেন / সম্পাদনা: আমার নিজের পোস্টে অনুসরণ করা। irlbaএখন "কেন্দ্র" এবং "স্কেল" আর্গুমেন্ট রয়েছে, যা আপনাকে নীতি উপাদানগুলি গণনা করতে এটি ব্যবহার করতে দেয়, যেমন: pc <- M %*% irlba(M, nv=5, nu=0, center=colMeans(M), right_only=TRUE)$v আমার কাছে একটি Matrixমেশিন …

31 r  pca  dimensionality-reduction  svd  matrix-decomposition 

ম্যাট্রিক্স একটি পিসিএ (অথবা SVD) পড়তা দেওয়া সঙ্গে একটি ম্যাট্রিক্স , আমরা জানি যে শ্রেষ্ঠ কম-সারির পড়তা হয় ।এক্সXXXএক্স এক্সX^X^\hat XX^X^\hat XXXX এই অনুযায়ী হয় প্ররোচক আদর্শ∥⋅∥2∥⋅∥2\parallel \cdot \parallel_2 ∥ ⋅ ∥ এফ (অর্থাত বৃহত্তম eigenvalue আদর্শ) অথবা অনুযায়ী Frobenius করার আদর্শ?∥⋅∥F∥⋅∥F\parallel \cdot \parallel_F

26 pca  svd  matrix-decomposition 

এই প্রশ্নটি মূল উপাদানগুলি গণনা করার একটি কার্যকর উপায় সম্পর্কে। লিনিয়ার পিসিএর অনেকগুলি পাঠ্য কেসওয়াইজ ডেটার একক-মান পচন ব্যবহার করে অ্যাডভোকেট । এটি হ'ল, যদি আমাদের কাছে ডেটা এবং মূল উপাদানগুলি দ্বারা ভেরিয়েবলগুলি (এর কলামগুলি ) প্রতিস্থাপন করতে চান তবে আমরা এসভিডি করি: , একক মান (ইগেনভ্যালুগুলির বর্গমূল) এর মূল …

22 pca  algorithms  svd  matrix-decomposition 

আমার ম্যাট্রিক্স বিপরীত গণনা করতে হবে এবং solveফাংশনটি ব্যবহার করে যাচ্ছি । যদিও এটি ছোট ম্যাট্রিকগুলিতে ভাল কাজ solveকরে, বড় ম্যাট্রিকগুলিতে খুব ধীর হয়ে থাকে। আমি ভাবছিলাম যে অন্য কোনও ক্রিয়াকলাপ বা ফাংশনের সংমিশ্রণ রয়েছে (এসভিডি, কিউআর, এলইউ, বা অন্যান্য পচন ফাংশনের মাধ্যমে) যা আমাকে দ্রুত ফলাফল দিতে পারে।

21 r  matrix-decomposition  matrix-inverse 

আমি সম্প্রতি ম্যাট্রিক্স পচানোর বিষয়ে স্কিলিকর্ন বইটি পড়েছিলাম এবং কিছুটা হতাশ হয়েছিলাম, কারণ এটি একটি স্নাতক শ্রোতাদের লক্ষ্যবস্তু হয়েছিল। আমি ম্যাট্রিক্স পঁচার জন্য প্রয়োজনীয় কাগজপত্রের (জরিপ, তবে যুগোপযোগী কাগজগুলি) একটি সংক্ষিপ্ত গ্রন্থপথ সংকলন করতে চাই (নিজের এবং অন্যদের জন্য)। আমার মনে যা আছে তা মূলত এসভিডি / পিসিএ (এবং শক্তিশালী …

18 matrix-decomposition  svd  numerics 

ধরুন যে, আমি একজন ঘন ম্যাট্রিক্স আছে AA \textbf{A} এর m×nm×nm \times n আকার, SVD পচানি সঙ্গে A=USV⊤.A=USV⊤.\mathbf{A}=\mathbf{USV}^\top.ইন Rআমি SVD নিরূপণ করতে পারেন নিম্নরূপ: svd(A)। একটি নতুন তাহলে (m+1)(m+1)(m+1) -th সারি যোগ করা হয় AA\mathbf A , এক (অর্থাত ব্যবহার করে পুরানো এক উপর ভিত্তি করে নতুন SVD পচানি গনা …

17 algorithms  svd  linear-algebra  matrix-decomposition  numerics 

একটি ম্যাট্রিক্স Give দেওয়া , অ-নেতিবাচক ম্যাট্রিক্স ফ্যাক্টরাইজেশন (এনএমএফ) দুটি নন-নেগেটিভ ম্যাট্রিকেস এবং finds ( অর্থাৎ সমস্ত উপাদান সহ with ) এর ফলে পচন মেট্রিক্স উপস্থাপন করুন:Vm×nVm×n\mathbf V^{m \times n}এইচ কে × এন ≥0Wm×kWm×k\mathbf W^{m \times k}Hk×nHk×n\mathbf H^{k \times n}≥0≥0\ge 0 V≈WH,V≈WH,\mathbf V \approx \mathbf W\mathbf H, উদাহরণস্বরূপ যে অ-নেতিবাচক …

16 cross-validation  unsupervised-learning  latent-variable  matrix-decomposition  nnmf 

একটি সাধারণ সময় সিরিজ বিবেচনা করুন: > tp <- seq_len(10) > tp [1] 1 2 3 4 5 6 7 8 9 10 আমরা এই সময় সিরিজের জন্য একটি নমুনার মধ্যে টেম্পোরাল লিঙ্ক উপস্থাপনের জন্য সংলগ্ন ম্যাট্রিক্স গণনা করতে পারি। এই ম্যাট্রিক্সের কম্পিউটিংয়ে আমরা 0 টি সময়ে একটি কল্পিত সাইট …

15 time-series  matrix-decomposition  svd 

বন্ধ থাকে। এই প্রশ্নটি অফ-টপিক । এটি বর্তমানে উত্তর গ্রহণ করছে না। এই প্রশ্নটি উন্নত করতে চান? প্রশ্নটি আপডেট করুন যাতে এটি ক্রস ভ্যালিডেটের জন্য অন-বিষয় । 2 বছর আগে বন্ধ । নিম্নলিখিত ম্যাট্রিক্স এ = ( 2.2 0.4 0.4 2.8 ) এর ইগেনভ্যালুগুলি এবং ইগেনভেেক্টরগুলির কাছ থেকে একটি উপবৃত্তের …

15 r  multivariate-analysis  matrix  matrix-decomposition 

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 সহযোগী ফিল্টারিংয়ের জন্য একটি প্রকল্পে কাজ করছি (সিএফ), অর্থাত্ আংশিকভাবে পর্যবেক্ষণ করা ম্যাট্রিক্স বা আরও সাধারণভাবে টেনসর সম্পন্ন করে। আমি এই ক্ষেত্রের একজন নবাগত এবং এই প্রকল্পের জন্য অবশেষে আমাকে আমাদের পদ্ধতিটি অন্যান্য সুপরিচিতদের সাথে তুলনা করতে হবে যে, আজকাল প্রস্তাবিত পদ্ধতিগুলি তাদের সাথে তুলনা করা হয়, নামটি সিএফ-তে-অত্যাধুনিক …

13 optimization  recommender-system  matrix-decomposition 

mgcvপ্যাকেজের Rঝুলানো টেন্সর পণ্যের পারস্পরিক ক্রিয়ার জন্য দুটি ফাংশন আছে: te()এবং ti()। আমি উভয়ের মধ্যে শ্রমের মৌলিক বিভাজন বুঝতে পারি (একটি অ-রৈখিক ইন্টারঅ্যাকশন বনাম বনাম। এই ইন্টারঅ্যাকশনটিকে প্রধান প্রভাব এবং একটি মিথস্ক্রিয়াতে ডেকপোজ করে)। আমি যা বুঝতে পারি না তা হ'ল কেন te(x1, x2)এবং ti(x1) + ti(x2) + ti(x1, x2)(কিছুটা) …

11 r  gam  mgcv  conditional-probability  mixed-model  references  bayesian  estimation  conditional-probability  machine-learning  optimization  gradient-descent  r  hypothesis-testing  wilcoxon-mann-whitney  time-series  bayesian  inference  change-point  time-series  anova  repeated-measures  statistical-significance  bayesian  contingency-tables  regression  prediction  quantiles  classification  auc  k-means  scikit-learn  regression  spatial  circular-statistics  t-test  effect-size  cohens-d  r  cross-validation  feature-selection  caret  machine-learning  modeling  python  optimization  frequentist  correlation  sample-size  normalization  group-differences  heteroscedasticity  independence  generalized-least-squares  lme4-nlme  references  mcmc  metropolis-hastings  optimization  r  logistic  feature-selection  separation  clustering  k-means  normal-distribution  gaussian-mixture  kullback-leibler  java  spark-mllib  data-visualization  categorical-data  barplot  hypothesis-testing  statistical-significance  chi-squared  type-i-and-ii-errors  pca  scikit-learn  conditional-expectation  statistical-significance  meta-analysis  intuition  r  time-series  multivariate-analysis  garch  machine-learning  classification  data-mining  missing-data  cart  regression  cross-validation  matrix-decomposition  categorical-data  repeated-measures  chi-squared  assumptions  contingency-tables  prediction  binary-data  trend  test-for-trend  matrix-inverse  anova  categorical-data  regression-coefficients  standard-error  r  distributions  exponential  interarrival-time  copula  log-likelihood  time-series  forecasting  prediction-interval  mean  standard-error  meta-analysis  meta-regression  network-meta-analysis  systematic-review  normal-distribution  multiple-regression  generalized-linear-model  poisson-distribution  poisson-regression  r  sas  cohens-kappa 

আমি দেখেছি যে সমস্ত আধুনিক সুপারিশকারী সিস্টেমে ম্যাট্রিক্স ফ্যাক্টেরাইজেশনের উপর নির্ভর করে, ব্যবহারকারী-চলচ্চিত্রের ম্যাট্রিক্সে একটি অ-নেতিবাচক ম্যাট্রিক্স ফ্যাক্টেরাইজেশন করা হয়। আমি বুঝতে পারি যে ব্যাখ্যাযোগ্যতার জন্য এবং / বা যদি আপনি বিরল কারণ চান তবে না-নেতিবাচকতা কেন গুরুত্বপূর্ণ। তবে যদি আপনি কেবল ভবিষ্যদ্বাণীমূলক পারফরম্যান্সের বিষয়ে চিন্তা করেন, যেমন নেটফ্লিক্স পুরষ্কার …

11 recommender-system  svd  matrix-decomposition  nnmf 

সমীকরণের লিনিয়ার সিস্টেমগুলি গণনা সংক্রান্ত পরিসংখ্যানগুলিতে বিস্তৃত। আমি একটি বিশেষ সিস্টেমের মুখোমুখি হয়েছি (যেমন, ফ্যাক্টর বিশ্লেষণে) সিস্টেমটি Ax=bAx=bAx=b যেখানে এখানে একটি তির্যক ম্যাট্রিক্স যেখানে কঠোরভাবে ধনাত্মক তির্যক রয়েছে, একটি ( ) প্রতিসম পজিটিভ আধা-নির্দিষ্ট ম্যাট্রিক্স, এবং একটি নির্বিচারে ম্যাট্রিক্স। আমাদেরকে একটি তির্যক লিনিয়ার সিস্টেম (সহজ) সমাধান করতে বলা হয়েছে যা …

10 factor-analysis  matrix  computational-statistics  matrix-decomposition  matrix-inverse 

সহযোগী ফিল্টারিং সমস্যা বিবেচনা করুন। আমাদের মাপের ম্যাট্রিক্স # ইউজার * # আইটেম। যদি ব্যবহারকারী আমি আইটেম j, তবে যদি আমি আইটেম j এবং অপছন্দযদি (i, j) জোড়া সম্পর্কে কোনও ডেটা না থাকে। আমরা ভবিষ্যতের ব্যবহারকারী, আইটেম জোড়ার জন্য পূর্বাভাস দিতে চাই ।MMMMi,j=1Mi,j=1M_{i,j} = 1Mi,j=0Mi,j=0M_{i,j} = 0Mi,j=?Mi,j=?M_{i,j}=?Mi,jMi,jM_{i,j} স্ট্যান্ডার্ড সহযোগী ফিল্টারিং …

9 machine-learning  recommender-system  matrix-decomposition