3回答
我有一个非常大的矩阵(大约500000 * 20000)，其中包含我要用pca分析的数据。为此，我使用ParallelColt库，但两者都使用奇异值分解和特征值分解，以便获得协方差矩阵的特征向量和特征值。但是这些方法浪费了堆，并且我得到了"OutOfMemory“错误...同样使用SparseDoubleMatrix2D (数据非常稀疏)，错误仍然存在，所以我问您:我如何解决这个问题？
更改库？
浏览 3提问于2011-12-06得票数 5
1回答
我有特征向量的矩阵-200个特征长，其中一个矩阵中的特征向量在时间上是相关的，但我希望将每个矩阵简化为一个单一的有意义的向量。为了将矩阵的维数降为方差大的矩阵，本文将主成分分析方法应用到矩阵中，并考虑将矩阵的各行串联成一个特征向量来总结数据。
这是一个明智的方法，还是有更好的方法来实现这一点？
浏览 2提问于2015-08-11得票数 2
回答已采纳
以编程方式，我的bookdown项目进行如下：
差异表达分析-产生火山图样和图形特征突出的差异表达的特点。在各种生物本体系统中，对差异表达特征的过度表示分析--为丰富的类别生成示例条形图。我使用bookdown很好地集成了分析和叙述
浏览 0提问于2018-07-17得票数 2
回答已采纳
我需要在应用程序中使用谷歌分析数据和功能列表来识别公司没有使用的功能。下面是应用程序中的特性列表
XYZ公司
我已经使用谷歌分析加载项在谷歌页，以提取事件分析数据
浏览 0提问于2018-03-29得票数 1
我想知道当gabor滤波器应用于图像进行特征提取时，特征向量的组成是什么？我需要特征向量来对面部表情进行分类。我有gabor滤波器的代码，我也得到了过滤后的图像，但我对特征向量感到困惑。
浏览 2提问于2013-12-08得票数 3
输入的测试数据是一个2D数组，4个特性Colsx100行实例。*如果某些特征值的幅度明显大于其他特征值，*则通过将“信息量较低”的特征对删除，将数据集通过PCA降至较小的维子空间*是合理的。**特征向量表示数据的相对基(轴)**从主成分分析*/ EigenDecomposition分解中计算新变量=新的EigenDecomposition(covarianceMatrix)；对角化协方差矩阵大的特征值*对应
浏览 1提问于2019-09-08得票数 0
我需要将PCA应用于相当大的数据集，但我的机器无法处理工作负载。所以我考虑把原始集随机分成4个子集，对每个子集分别应用主成分分析，最后将4个子集加入到主成分分析中。但是，我认为该算法需要分析所有集合作为一个整体来确定特征之间的相关性，因为特征之间的相关性逐行可能不同，有些行甚至可能具有NaN值。
浏览 0提问于2020-04-15得票数 1
回答已采纳
4回答
问题域然后一个对象和图像可以有很多其他连接的对象，比如分析对象可以用附加的数据进行细化，或者复杂的结论(解决方案)可以基于分析对象和其他数据。堆栈表示一组对象，箭头表示指针(即图像特征</e
浏览 8提问于2012-08-20得票数 10
回答已采纳
2回答
用Python绘制一个相关圈
、、、、
我做了一些几何数据分析(GDA)，如主成分分析(PCA)。我想画一个关联圈..。这些看起来有点像这样：基本上，它允许测量一个变量的特征值/特征向量与数据集的主成分(维度)相关的特征值/特征向量。
有人知道是否有一个python包来绘制这样的数据可视化图？
浏览 3提问于2016-06-14得票数 6
1回答
在使用OneHotEncoder转换特征之后，我试图对数据集中的一些特征进行一些数据分析，结果显示特征13和特征21是最重要的特征，但是我如何知道这些特征对应于哪些特征呢？
浏览 31提问于2019-12-02得票数 0
回答已采纳
可解释性实践-方法 中的特征值为横坐标 shapley value为纵坐标，数据样本为训练数据，画出某个特征值和shapley value的分布可以总结出规律其实是有问题的 单纯的分析某个特征参考意义不是很大因为还有很对其他的特征的相互作用，某个特征值的取值对树模型最后输出的概率值没有实际参考意义，应该分析shap interaction values。
浏览 69提问于2022-03-04
2回答
大多数情况下，在数据准备就绪后，我将执行以下步骤：如果存在范畴变量，则应用虚拟刻度数据列车模型
对于我所遵循的这条道路，在哪里应用相关分析会更有意义在数据平衡之后？在缩放之后？还是刚开始？
浏览 0提问于2020-02-20得票数 2
1回答
在NLP中，通常情况下，特征的维度非常大。例如，对于手头的一个项目，特征的维度几乎是20,000 (p = 20,000)，并且每个特征都是一个0-1整数，以显示论文中是否存在特定的单词或二元语法(一篇论文是R^{p}$中的数据点$x \)。我知道特征之间的冗余度很大，所以降维是必要的。我有三个问题：
1)我有10,000个数据点(n = 10,000)，每个数据点有10,000个特征(p = 10,000)。进行降维的有效方法是什么
浏览 13提问于2014-11-21得票数 6
1回答
我使用了David Lowe的SIFT算法来提取图像的特征。[siftImage, descriptors, locs] = sift(filteredImg);1)我应该将什么值作为输入提供给神经网络？
浏览 1提问于2011-04-07得票数 1
1回答
我正在试图建立一个回归模型，但我的数据集有许多异常点，我需要分析它们，然后删除它们。1)首先对每个特征进行分析，不删除任何内容，最后根据分析得到的条件进行删除。2)对第一个特征进行分析，然后删除异常点，然后对第二个特征进行分析，然后删除异常值。就这样一个接一个。哪种方法是正确的？
浏览 0提问于2019-08-17得票数 -3
2回答
K-均值聚类的变量选择
、、、、
我正在尝试使用这个算法进行市场细分，并拥有一个包含数十个潜在变量的数据集。我希望得到的结果是非常容易解释的，所以我应该将变量的数量限制在max。5-6。
浏览 0提问于2014-10-23得票数 0
1回答
在主成分分析中，我们对协方差矩阵进行特征分解，而不是对数据矩阵进行特征分解，这是因为大多数数据矩阵是非平方的。如果是的话，对特征分解的数据矩阵是否比协方差矩阵更正确？
浏览 0提问于2019-07-10得票数 1
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
腾讯会议
云直播
对象存储活动推荐
腾讯云开发者
