«dimensionality-reduction» 태그된 질문

감소 된 순위 회귀 및 주성분 회귀는 부분 최소 제곱의 특별한 경우입니까? 이 튜토리얼 (6 페이지의 "목표 비교")에서는 X 또는 Y를 투영하지 않고 부분 최소 제곱을 수행 할 때 (즉, "부분이 아님") 해당 등급이 감소하거나 주성분 회귀가 감소한다고 설명합니다. 이 SAS 설명서 페이지 , "감소 된 순위 회귀"및 "방법 간의 …

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

이 데이터를 사용하여 : head(USArrests) nrow(USArrests) 다음과 같이 PCA를 수행 할 수 있습니다. plot(USArrests) otherPCA <- princomp(USArrests) 나는 새로운 구성 요소를 얻을 수 있습니다 otherPCA$scores 구성 요소가 설명하는 분산 비율 summary(otherPCA) 그러나 어떤 변수가 주로 어떤 주성분으로 설명되는지 알고 싶다면 어떻게해야합니까? 그리고 그 반대의 경우도 마찬가지입니다 : 예를 들어 PC1 …

15 r  pca  dimensionality-reduction  regression-strategies 

명목 또는 서수 데이터에서 범주 수를 줄이는 방법을 찾기 위해 고심하고 있습니다. 예를 들어, 여러 명목 및 순서 요인이있는 데이터 집합에 회귀 모델을 작성한다고 가정 해 보겠습니다. 이 단계에는 아무런 문제가 없지만, 종종 공칭 기능이 훈련 세트에서 관찰되지 않지만 유효성 검사 데이터 세트에 존재하는 상황이 자주 발생합니다. 이로 인해 모델에 …

14 r  categorical-data  dimensionality-reduction  many-categories 

랜덤 포레스트 분류를 수행하기 전에 PCA를 수행하는 것이 합리적입니까? 높은 차원의 텍스트 데이터를 처리하고 있는데 차원의 저주를 피하기 위해 기능 축소를 원하지만 임의 포리스트가 이미 일종의 차원 축소에 있지 않습니까?

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

(경쟁)으로 작업하는 특정 문제로 21 가지 기능 ([0,1]에서 숫자) 및 이진 출력이라는 다음 설정이 있습니다. 약 100K 행이 있습니다. 설정이 시끄 럽습니다. 나와 다른 참가자는 잠시 동안 기능 생성을 적용하고이 설정에서는 t- 분산 확률 론적 이웃 임베딩이 다소 강력한 것으로 나타났습니다. 나는 "t-SNE를 효과적으로 사용하는 방법"이라는 글을 우연히 발견 했지만 …

13 machine-learning  dimensionality-reduction  unsupervised-learning  tsne 

15K 레이블이 지정된 샘플 (10 그룹)로 구성된 데이터 세트가 있습니다. 레이블의 지식을 고려하여 차원 축소를 2 차원으로 적용하고 싶습니다. PCA와 같은 "표준"감독되지 않은 차원 축소 기법을 사용할 때 산점도는 알려진 레이블과 관련이없는 것 같습니다. 찾고있는 이름이 있습니까? 솔루션에 대한 몇 가지 참조를 읽고 싶습니다.

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

피처 선택과 치수 축소는 원래 피처 세트의 피처 수를 줄이는 것을 목표로합니다. 둘 다 같은 일을한다면 두 사람의 정확한 차이점은 무엇입니까?

13 machine-learning  pca  feature-selection  dimensionality-reduction 

분명히, Fisher 분석은 클래스 간 분산을 최소화하면서 동시에 클래스 간 분리를 최대화하는 것을 목표로합니다. 변수의 판별력에 대한 유용한 측정 값은 대각선 양 됩니다.비나는 내가/ W나는 내가Bii/WiiB_{ii}/W_{ii} http://root.cern.ch/root/htmldoc/TMVA__MethodFisher.html p x p사이 ( B )와 클래스 내 ( W ) 행렬 의 크기 ( ) 는 입력 변수의 수에 의해 주어진다는 것을 …

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

나는 두 가지 상황에서 각각 87 마리의 동물에 대해 3 번의 실험을했습니다 (일부 누락 된 데이터; 누락 된 데이터 없음 = 64 마리의 동물). 내가 (그들에게 전화하는 상황에서 행동을 설명하는 2 ~ 3 복합 행동 점수를 개발하려는 있도록 맥락에서, 나는 많은 특정 조치를 (입력 시간, 쉼터로 돌아 횟수 등)이 C1, …

13 repeated-measures  pca  dimensionality-reduction 

LLE 알고리즘의 기본 원리는 세 단계로 구성되어 있습니다. k-nn과 같은 메트릭으로 각 데이터 포인트의 주변을 찾습니다. 이웃이 데이터 포인트에 미치는 영향을 나타내는 각 이웃에 대한 가중치를 찾으십시오. 계산 된 가중치를 기반으로 데이터의 저 차원 임베딩을 구성하십시오. 그러나 2 단계와 3 단계에 대한 수학적 설명은 내가 읽은 모든 교과서와 온라인 자료에서 …

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

커널 PCA (주성분 분석)가 최종 데이터 출력에서 ​​어떤 커널을 선택하여 데이터를 양호하게 분리 할 수있는 방법은 무엇이며 커널의 매개 변수를 최적화하는 방법은 무엇입니까? 가능한 경우 Layman의 용어를 높이 평가할 것이며 그러한 방법을 설명하는 논문 링크도 좋습니다.

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

나는 현재 t-SNE 수학 주위로 머리를 감싸려고합니다 . 불행히도, 여전히 만족스럽게 대답 할 수없는 질문이 하나 있습니다 : t-SNE 그래프에서 축의 실제 의미는 무엇입니까? 이 주제에 대한 프레젠테이션을하거나 출판물에 포함시킬 경우 : 축에 적절한 레이블을 어떻게 지정합니까? 추신 : 나는 이 Reddit 질문을 읽었 지만 거기에 주어진 대답 (예 : …

12 machine-learning  dimensionality-reduction  tsne 

데이터 세트가 매우 커서 약 5 %의 임의 값이 없습니다. 이 변수들은 서로 상관되어 있습니다. 다음 예제 R 데이터 세트는 더미 상관 데이터가있는 장난감 예제 일뿐입니다. set.seed(123) # matrix of X variable xmat <- matrix(sample(-1:1, 2000000, replace = TRUE), ncol = 10000) colnames(xmat) <- paste ("M", 1:10000, sep ="") rownames(xmat) …

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 

페어 단위 거리 만있는 거대한 데이터 세트를 클러스터하고 싶습니다. k-medoids 알고리즘을 구현했지만 실행하는 데 시간이 너무 오래 걸리므로 PCA를 적용하여 문제의 차원을 줄이는 것으로 시작하고 싶습니다. 그러나이 방법을 수행하는 유일한 방법은 내 상황에없는 공분산 행렬을 사용하는 것입니다. 쌍별 거리 만 알고 PCA를 적용 할 수있는 방법이 있습니까?

12 pca  dimensionality-reduction  multidimensional-scaling 

어떤 상황에서 데이터 시각화를 제외하고 t-SNE를 사용해야합니까? T-SNE는 치수 축소에 사용됩니다. 이 질문에 대한 답 은 t-SNE는 시각화에만 사용해야하며 클러스터링에는 사용하지 않아야한다는 것을 나타냅니다. 그렇다면 t-SNE의 좋은 사용법은 무엇입니까?

12 data-visualization  dimensionality-reduction  tsne