1回答
我正在使用autoplot函数来绘制主成分分析图。： library(ggfortify)autoplot(prcomp(df), data=iris, colour = "Species") 我想使用PCA图中每个数据点的大小与iris[c(4)]的值相对应的方式来使用iris[c(4)]。虹膜数据集的一个示例:数据点132的</em
浏览 64提问于2019-08-24得票数 0
回答已采纳
我正试着和R一起做PCA。或
我可以用plot得到主成分分析结果。但是我不确定如何根据我的数据点来标记这些点，这些数据点的<
浏览 0提问于2012-11-14得票数 3
回答已采纳
我正在做聚类工作，我有90个特征，有13500个数据点，去除了相关变量，其中皮尔逊相关性超过90%，我的特征空间减少到70个。而且，几乎所有我最初的90个特性都有大量的零值(超过70%-80%的数据点)。我在算法实现方面所做的是：我所观察到的<
浏览 0提问于2020-01-21得票数 3
我一直试图使用自动绘图(在ggfortify R包中)来绘制PCA坐标中的数据点。对于数据矩阵D2，在主成分1+2的空间内产生一个点的散点图很好。然而，PCA分量1+2只解释了大约30%的协方差，我想对PCA 1+3、2+3和3+4等做同样的解释。自图中是否有一个简单的论点可以让我这
浏览 2提问于2017-07-11得票数 2
回答已采纳
我想知道是否有一种情况，你在主成分(PC)中看到的东西，你没有看到，通过单一地查看的变量，PCA是基于。我将在二维设置中使用一个例子来更好地说明我的问题:假设我们有两个组，A和B，对于每个观测，我们有两个多元-正态分布的协变量。,cbind.data.frame(group_B, group="B"))
plot(dat[,1:2], xlab="x", ylab="y", col=dat[,"group"]
浏览 0提问于2016-10-31得票数 1
1回答
我正在尝试在一个非常大的数据集的R中创建一个盒子图。包含数据的文件是2.5G，如果我试图导入它，它会崩溃R。幸运的是，其他一些(python)软件可以毫无问题地生成均值和方差，这就是我(目前)真正想要绘制的。到目前为止，我找到的每个教程都需要你输入完整的数据集，然后R自己计算统计数据，但我想知道如何传递平均值、中位数、最小值、最大值等。bwplot仅用于绘图。我更
浏览 1提问于2011-12-22得票数 3
回答已采纳
2回答
简短提问：长问题：在完成这个过程之后，我们希望在R3中可视化结果。我们可以用两种策略来解决这个问题；
策略1-对KMeans向量和主成分分析执行<em
浏览 0提问于2018-10-21得票数 1
1回答
何时应用主成分分析PCA
、、、
何时应用PCA，是在预处理(即删除空值、编码等)之后还是在此之前？x_train[:,0:14] = sc.fit_transform(x_train[:,0:14])我被留下的形状
浏览 2提问于2021-10-14得票数 0
我正在用sklearn.decomposition.PCA进行主成分分析，我发现如果输入矩阵X很大，两个不同的PCA.transform实例的结果就不一样了。当X是1000x200或100x2000矩阵时，两个不同的PCA实例的结果将不同。我不知道这是什么原因:我想在sklearn的PCA求解器中没有随机元素？我使用的是滑雪版0.18.1。import numpy as np
import sklearn.linea
浏览 1提问于2018-01-05得票数 1
回答已采纳
1回答
主成分分析与异常数据
、、、、
我知道PCA能很好地区分异常和正常数据，当它试图将数据转移到另一个维度时，它有助于区分异常和正常数据。我的意思是，它可以在某种程度上最大限度地分离规则和不规则的数据点。我也在我的密码里看到过这个。通过一个简单的详细例子(例如，一个简单的2*2矩阵)？有人能帮忙吗？
提前谢谢。
浏览 0提问于2018-04-25得票数 1
2回答
K均值聚类前的主成分分析
、、、、
如果我将PCA应用于特征向量，然后进行聚类，如下所示：kmeans = KMeans(init='k-means++', n_clusters=n_digits, n_init=10)减少的数据将是PCA的组成部分，所以在用k均值聚类之后，您可以得到每个点(reduced_data)的标签，如何从原始数据中
浏览 0提问于2017-02-27得票数 4
2回答
我的问题主要来自于这篇文章:
在本文中，作者绘制了每个变量的矢量方向和长度。根据我的理解，在进行PCA之后。我们得到的只是特征向量和特征值。对于维数M的数据集，每个特征值都应该是1xN的向量，所以，我的问题是，向量的长度可能是特征值，但是如何为每个变量找到向量的方向呢？向量长度的物理意义是什么
浏览 1提问于2019-08-03得票数 5
回答已采纳
我正在用pca.df( ggplot，t9)绘制PCA数据，并试图标记我的数据点。有超过500个数据点就在一起，如果我把每一个数据点都贴上标签，标签就会变得很乱，所以我想每隔10或15个数据点就贴上标签。我试过使用gghighlight，但是我对ifelse语句的基本知识并没有给我带来任何解决方案。
我的(t9)代码如下所示。结果应该是一个分数/分数图，其中PC1和PC2的值</e
浏览 0提问于2019-07-11得票数 0
回答已采纳
打印时，matplotlib根据要打印的数据内容自动设置比例。但似乎两个轴上的极限总是等于给定要绘制的数据的最大值。它使达到最大值的数据的标记被复制。我想改变这个行为，这样无论标记的大小如何，它都会在图的四边留出一些空间。至少，有没有一种方法可以简单地设置静态的、用户定义的边
浏览 0提问于2013-04-15得票数 1
回答已采纳
2回答
我有一个包含两个数组的大型数据集，比如x和y。这些数组的大小超过100万个数据点。有没有一种简单的方法来绘制只有2000个这样的点的散点图，但它必须代表整个集合？我正在考虑创建另一个数组r；r = max(x)*rand(2000,1)来获取x数组的随机样本。有没有办法找到r中的值等于或接近x中的值的<
浏览 2提问于2013-10-31得票数 0
1回答
基本分类问题
、、、
我想知道如何在使用PCA或规范化以及其他类似于分类的方法来管理测试数据，因为我们的模型工作在输入向量的表示上。例如，假设您在您的训练数据集中使用了PCA以获得更高的精度，或者您已经标准化(最小-最大)数据。现在，您已经开发了一个模型，并希望安装它并标记新的示例。您需要以某种方式将PCA应用于每个即将到来的记录，并将该记录规范化。将PCA应用于一个记录不会产生与训练阶段使用的
浏览 0提问于2018-04-18得票数 2
回答已采纳
在机器学习中，采用主成分分析(PCA)将n维数据降为k维数据，以加快学习速度。应用PCA后，可以检查原始数据集的方差在结果数据集中仍有多少。一个共同的目标是保持90%到99%之间的差异。我的问题是:尝试k参数的不同值(结果数据集的维数的大小)，然后根据一些交叉验证数据集检查结果，就像我们选择正则化、lambdas和阈值等其他超参数的好值<
浏览 0提问于2019-03-27得票数 8
1回答
让我们取X的维数为n，现在，在计算了经济SVD之后，如果我们只保留第一个r (<< m )奇异值，则X的逼近是
X' = σ1.u1.v1(T) + σ2.u2.v2(T) + ... + σr.ur.vr是不是因为我们必须存储r(每个u的长度28 )+28(每v的长度)像素，而不是存储784百万像素值？或者还有更多的东西吗？我的第二个问题是，如果我试图用数值
浏览 5提问于2021-08-04得票数 2
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
云直播活动推荐
腾讯云开发者
