1回答
图像的降维方法
、、、
我试图用Matlab工具箱对一组图像的维数进行降维。问题是:我对降维知之甚少。因此，我尝试了每一个尝试和错误，将数据集传递给函数。到目前为止，我已经尝试了6次，PCA返回了一个复数矩阵。其余的都被冻结了matlab。什么样的图像约简方法适合于图像？
浏览 3提问于2012-05-07得票数 4
回答已采纳
2回答
我有一个有35列的矩阵，我试图用PCA来减少维数。我对我的数据进行PCA：explained = 0.0022基于此，我决定只吃第一张。此图表显示了分类错误与包含的eginvectors的数量的函数：
按照@zelanix的建议，通过在进行<e
浏览 0提问于2015-11-06得票数 0
回答已采纳
1回答
我正在尝试使用PCA来降低训练集的维数。我遇到了两种方法。[V,U,eigen]=pca(train_x);for lamda=1:length(eigen) end
train_x=train_x*V(:, 1:lamda);
在这里，我简单地使用特征值矩阵来重建训练集，其特征数量较少，由描述原始集合90%的主成分确定我找到的另
浏览 6提问于2017-03-15得票数 1
回答已采纳
1回答
我正在尝试找到一种方法来可视化具有高维输入的数据，用于支持向量机的两类分类，然后在分析之前决定使用哪个核。在联机文档中，数据的可视化只针对二维输入(我指的是两个属性)。另一个问题出现了:如果我有多个类和两个以上的属性怎么办？
浏览 1提问于2014-04-19得票数 1
我试图在matlab中对车辆进行分类。我需要减少特征的维数，以消除冗余。我在用pca来做这个。不幸的是，pca函数没有返回预期的结果。输出似乎被截断了，我不明白为什么。0.0093 0.0006然后，我使用pca函数如下：
[COEFF, SCORE, LATENT] = pca</e
浏览 3提问于2015-07-20得票数 0
回答已采纳
1回答
我有一个大小为4096x180的特征向量，其中180是样本数，4096是每个样本的特征向量长度。
当我将n设为200时，随着矩阵维数<
浏览 1提问于2017-12-19得票数 1
回答已采纳
1回答
以下是跟进问题：
Xtrain = bsxfun(@minus, trainingData, mean(trainingData,1)); 但使用分类器与此和10维测试数据产生非常不可靠的结果
浏览 2提问于2013-12-14得票数 4
2回答
每个图像的大小为27x27像素= 729像素。我取每个R，G和B值，这意味着我有来自每个图像的2187个变量(截距+1=总计2188)。m是训练集的数量。hθ(x)，y是针对每个训练集的(即，这就是求和符号的作用)。，它能够在67%的时间内识别出正确的图像。然而，每个图像的变量数量从2188跳到2,394,766！仅做1步梯度下降就花了我一个小时。
所以我的问题是，在机器学习中如何处理这些巨大的变量？一方面，我甚至没
浏览 2提问于2013-06-26得票数 1
回答已采纳
1回答
我正在比较各种技术，并想找出对大量文本文档进行矢量化和降维的最佳方法。我已经测试了Bag of Words和TF-IDF，并使用PCA、SVD和NMF进行了降维。使用这些方法，我可以减少我的数据，并知道基于解释的方差的最佳维度数量。 然而，我想用doc2vec做同样的事情，考虑到doc2vec本身是一个降维工具，找出我的
浏览 56提问于2020-08-15得票数 0
1回答
MATLAB:用于降维的PCA
、、、、
我计算了一个图像数据集的颜色描述符，生成了一个152×320矩阵(152个样本和320个特征)。我想使用PCA来降低图像描述符空间的维数。我知道我可以使用Matlab内建函数来实现这个功能，但是由于我刚刚开始学习这个概念，我想在没有内置函数的情况下实现Matlab代码，这样我就可以清楚地了解这个函数是如何工作的。我试图在网上找到如何做到这一点，但我所能找到的要么是PCA的一般概念，要么是用内置函数实
浏览 2提问于2017-03-27得票数 1
回答已采纳
2回答
降维
、、
我正在尝试理解数据分析中降维的不同方法。特别是，我对奇异值分解(SVD)和主成分分析(PCA)感兴趣。a) SVD和PCA如何做到这一点，以及b)它们在方法上有何不同
或者如果你能解释一下每种技术的结果告诉我什么，那么对于a) SVD -什么是奇异值b)
浏览 6提问于2017-10-27得票数 1
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？我用过PCA，我做了这样的东西：
from sklearn.model_selection impor
浏览 2提问于2019-08-23得票数 0
2回答
我的问题有点理论性。
我有一个包含100+列的数据集，我在一个混乱的地块中使用的每个EDA方法，如何使用这些数据获得更多可解释的绘图和表？
浏览 9提问于2022-09-18得票数 0
回答已采纳
3回答
我想减少二维图像的尺寸。我有大小为100x50的图像补丁，我希望减少这些补丁的尺寸。我是否需要首先将补丁(100x50)转换为向量(5000x1)，然后应用PCA降低维数，还是可以直接将PCA应用于补丁(100x50)上的降维，并将维数缩减为2x50
浏览 4提问于2015-02-06得票数 2
回答已采纳
1回答
我正在尝试使用Matlab中的pca执行降维。从下面的代码中，我得到了系数、得分、潜伏期和t平方。然而，如何从pc分析中降低实际维数对我来说仍然是模糊的。我想做的是将列数(本例中原来是3列)减少到1或2，您能告诉我怎么做吗？matrix = [ 1 2 3; 4 3 2; 1 3 5; 4 2 3; 1 2 3; 2 1 3];
[coeff, score, latent, tsquared] = pca(matrix);
浏览 2提问于2016-04-02得票数 2
1回答
我一直在使用PCA降维的数据集是相当线性的，现在我的任务是相同的数据集，大部分是弯曲的空间。想象一个噪声的正弦波，为了简单。
PCA在这种情况下仍然有用吗？如果没有，更合适的降维方法是什么？
浏览 0提问于2022-04-24得票数 0
1回答
我的问题是：pca中的“特征提取”与“特征选择”有何不同？我的意思是，这两件事与不同的方式有关。如何利用pca选择有效的</em
浏览 0提问于2019-04-28得票数 1
回答已采纳
我想要可视化的主题建模与LDA-算法。我使用称为"pyldavis“的python模块，并使用jupyter笔记本作为环境。pyLDAvis.sklearn.prepare(lda_tf, dtm_tf, tf_vectorizer, mds='tsne')
mds :函数或函数的字符串表示以topic_term_dists作为输入并以2距离矩阵输出n_topics的函数。输出接近主题之间的距离。有关默认函数<e
浏览 7提问于2018-06-19得票数 2
我无法理解如何开始我的解决方案。我有一个569行的矩阵，每个行代表我的数据的一个样本，30列代表每个样本的特征。我的直觉是绘制每一行，并查看集群(如果有)是什么样子，但我不知道如何在单个散点图上做超过2行。 我花了几个小时浏览教程，但还不能理解如何将其应用于我的数据。我是不是遗漏了什么基本的东西？our_data is a 2-dimensional matrix of size 569 x 30
plt.scatter(our_data[0,:]
浏览 49提问于2019-04-09得票数 1
回答已采纳
2回答
在机器学习中，更多的特征或维度会降低模型的精度，因为有更多的数据需要泛化 和 ，这就是所谓的维数灾难。我应该在什么时候/如何考虑我的数据集具有许多特征，并且我应该寻找PCA来进行降维？
浏览 2提问于2019-06-09得票数 2
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
