1回答
我有一个由大约60000个特征组成的单词包.每一个特征都代表着一种缩小。我想在一个缩小的2D空间中表示这个词包。我该怎么做呢？#myList contents about 800000 wordsX = bag_of_words.todense()data2
浏览 0提问于2016-12-07得票数 2
2回答
我不明白自动编码器是如何实现降维的，因为它学会了将数据从输入层压缩成一段短代码，然后将该代码解压缩到原始数据中，我看不出降维在哪里:输入数据和输入数据具有相同的维数？
浏览 0提问于2018-06-13得票数 2
回答已采纳
1回答
我搜索了在Python中实现降维的方法，这就是我得到的结果：。该网站的最后一种方法是特征聚集。我点击了那个python方法的文档链接，但是我仍然不确定如何使用它。如果以前有人使用过Python的特性聚集方法，那么您是否可以解释它是如何工作的(输入、输出等)？谢谢!
浏览 3提问于2017-08-11得票数 4
回答已采纳
2回答
没有先验理论来选择模型的规格，因此在进行回归之前，关键任务之一是降维。虽然我知道几种连续变量降维的方法，但我不知道关于分类数据的类似静态文献(除了，作为对应分析的一部分，这基本上是频率表上主成分分析的一种变化)。对于分类数据的降维和稳健的计算是否有一个很好的统计参考(我认为第一个问题是估算，然后是降维)？
这与上述问题的实施有关。我对Python有一定的了解，所以如果有什么东西是好的，那么我将使用它。python或R中的任何<em
浏览 8提问于2010-05-14得票数 24
回答已采纳
我使用称为"pyldavis“的python模块，并使用jupyter笔记本作为环境。
浏览 7提问于2018-06-19得票数 2
1回答
我想的第一件事是降维。在尝试了PCA，鲁棒PCA，ICA，去除高度相关的特征后，我正在考虑使用随机投影。然而，随机投影没有简单的R实现。我发现了一些随机投影R包，比如
但是，它们似乎不支持直接用于降维的随机投影。这能很容易地在R中实现随机投影吗？还是利用现有的工具在R中进行随机投影降维？
浏览 1提问于2016-11-22得票数 3
回答已采纳
1回答
我想在我所拥有的52个特性列表上执行功能选择。但是，我的数据集中没有类标签列。那么，如何选择不依赖于类标签的特性。提前谢谢。
浏览 1提问于2020-03-16得票数 2
我对python使用了scikit-learn库，在我的例子中，我的输入是二维空间坐标，输出是一些转换后的版本，也是二维空间坐标。我生成了一些虚拟测试数据，并试图拟合一个GP模型。由于我的输入和输出维都是二维的，我不知道如何能够快速地可视化它，这样我就可以了解模型的适合性(特别是想知道模型之间的平滑性和方差)。当然，大多数在线例子都适用于一维案例.
浏览 0提问于2018-02-06得票数 0
回答已采纳
3回答
显然，我必须对它们进行降维。但是，由于PCA算法和其他算法一样，通常采用轴旋转来生成一些新的轴。我认为我不会在降维中使用PCA算法。所以我还能称它为降维吗？因为我只做了一些参数过滤请评论一下，任何批评都是受欢迎的。
浏览 0提问于2017-03-21得票数 1
当我看到高维部分时，我正在读“统计学习导论”，他们认为高维数据会引起很多问题。我的问题是，要应用任何特征选择模型，必须有更多的特征而不是观察。
如果是的话，你能给我提供任何关于它的文章吗？
浏览 0提问于2020-11-25得票数 0
回答已采纳
1回答
我想使用LDA进行降维。我正在使用R。我发现的示例主要使用LDA进行分类。那么如何使用LDA进行降维呢？在R中有没有内置的函数调用来进行降维，或者你必须对其进行编码？
谢谢。塞夫万迪
浏览 2提问于2014-01-17得票数 1
1回答
PCA是一种降维算法，它有助于减少数据的维数。我还没有理解的是，PCA以递减的顺序给出了特征向量的输出，如PC1、PC2、PC3等。因此，这将成为我们的数据的新轴。我们实现了从n到n-k的降维.
是否有其他方法用于常设仲裁院？
浏览 1提问于2017-11-01得票数 0
1回答
我使用松树高光谱数据集，这是一个免费提供的数据集，这幅图像包含200维(深度/通道/波段)。此外，此数据集包含标签(基本真相信息)。
浏览 0提问于2018-11-10得票数 0
回答已采纳
2回答
降低词嵌入的维数
、、
现在，我想要50个维度的单词嵌入:是最好用50个维度来重新训练嵌入词，还是可以使用一些降维方法来将300个维度的单词嵌入到50个维度呢？
浏览 0提问于2015-07-28得票数 10
1回答
我仍然在探索机器学习的这一领域，尽管我知道特征选择和降维之间的区别，但我发现在掌握何时进行特征选择或降维(或两者兼而有之)的概念上存在一些困难。假设我有一个包含大约40个特征的数据集，那么单独执行降维还是单独进行特征选择是一种好的做法？或者应该有两种方法的混合(即先进行特征选择，然后进行降维-或者反之亦然)？
浏览 1提问于2017-12-16得票数 0
我有一个有很多列/特征的数据集，我想建立ML模型，将数据分类为1和0，但我想减少列数。我读了很多关于feature selection的书，但有些东西我不太清楚。当我减少列/特征的数量时，我如何确保最少的信息丢失，或者我如何知道我是否丢失了大量信息？我可以删除的最佳特征数是多少，我如何知道我没有过度拟合模型？import pandas as pd
from sklearn.metrics import accuracy_score
from skle
浏览 2提问于2019-08-23得票数 0
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
即时通信 IM
实时音视频活动推荐
腾讯云开发者
