1回答
我正在为分类任务进行稀疏恢复。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)。因此，我为每个类提取了相应的像素，现在我想要将它们可视化，以真正看到它们的样子。但我现在知道如何对所有200个频道进行可视化。我为
浏览 0提问于2018-11-10得票数 0
回答已采纳
1回答
在我看来，the和其他降维算法主要是为了获得数据集的印象而将维数降为二维。如果做得好，它们看起来不错(例如，像这样)，但我想知道这是否比在网格上按类显示随机图像/分组更好。我想从以下几个方面得到答复：为什么t-SNE*比仅仅用一个2神经元瓶颈来拟合一个神经网络，然后取两个神经元的归一化值进行嵌入更好呢？t-
浏览 0提问于2017-03-29得票数 2
我目前正在尝试在2d中可视化300维的词向量。我用不同的参数尝试了t-SNE，并阅读了上的博客，但到目前为止，我没有得到任何有用的结果。我想要一个与几个选定词向量的最近邻居相对应的可视化，但2d可视化到处都是。
是否不适合使用TSNE来解决我的</e
浏览 29提问于2019-07-16得票数 1
回答已采纳
根据wiki的说法，重新开始使用T-SNE映射到二维.如果我们想要减少功能的数量(即从30个特性减少到5个dims)，那么是否建议使用T-SNE来实现呢？还是我们应该使用其他的降维算法？
浏览 0提问于2021-06-22得票数 7
回答已采纳
1回答
我遵循本教程的K-聚类使用NLTK包部分。nltk.cluster.util.cosine_distance,repeats = 25 )因此，我想要可视化我们的结果我尝试了plot.scatter()，但是我有一些问题要定义要接受的参数。
浏览 0提问于2018-03-27得票数 0
2回答
降低词嵌入的维数
、、
我训练了300个维度的单词嵌入。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
3回答
好的，我有3列的数据，唯一的id，原始文本，和审查文本。我的任务是处理数据集并从中找到有意义的见解。原始文本是纯英语，而复习文本则是另一种语言。我不知道如何处理数据集。即使在我清理了原始文本中的数据之后，我也应该如何处理它，因为它是在另一种语言中。我应该做哪些文本分析，以及如何在数据集中实现它？
📷
浏览 0提问于2019-11-08得票数 1
我加载了google的新闻向量-300数据集。每个单词都用一个300点的向量表示。我想在我的神经网络中使用它来进行分类。但是一个词300个似乎太大了。我如何才能在不影响质量的情况下将向量从300减少到100。
浏览 12提问于2017-12-16得票数 2
3回答
我将我的数据拆分为训练/测试。当我使用PCA时，它是直接的。import PCAX_train_pca = pca.fit_transform(X_train)从这里开始，我可以在下一步中使用但当我使用t-SNE时X_train_tsne = TSNE(n_components
浏览 3提问于2018-10-17得票数 2
2回答
我已经创建了一个word2vec模型，并使用TSNE和matplotlib对特定术语的前n个相似单词进行了可视化。我不明白的是，当我多次运行它时，相同的单词被绘制到不同的位置，即使每次单词和向量都是相同的。为什么会这样呢？我有一种感觉，这与TSNE降低向量维数的方式有关。如果是这样的话，使用这种可视化方法真的可靠吗?因为每次都是
浏览 14提问于2020-01-27得票数 1
1回答
我有两套数据训练和测试。这两个数据集分别有30213和30235个项目，每个项目有66个维度。tsne = manifold.TSNE(n_components=2, perplexity，但是我发现对于相同的数据项，脚本的不同运行会产生不同的输出。这可能是
浏览 1提问于2015-08-20得票数 7
3回答
我有一个大的文本数据集聚类。每个集群由属于它的向量化文本、文本数量、创建日期和其他参数的质心表示。我不能在n维空间中绘制星系团。我有哪些选择？
浏览 0提问于2018-04-23得票数 7
自组织地图被认为是一个非常有效的工具，用于探索性数据分析，因为它有助于高维数据的可视化。
然而，对于我来说，维数降低的部分还不清楚。从这篇文章中，我了解到这些信息本质上是嵌入在神经元的权向量中的，这些神经元和原始模式的维数是相同的。同样的权重向量应该被用于可视化(如果我跟随流行的颜色示例)。如
浏览 0提问于2018-02-02得票数 5
回答已采纳
1回答
我正在寻找示例，以显示如何绘制文本分类的决策边界。我知道sklearn文档中的一些示例，但是如何将它们应用于文本数据？网上有什么好的例子吗？
浏览 0提问于2016-11-17得票数 0
我刚刚读了一篇很棒的帖子。我对那篇文章中“一个带有图片的例子”的内容很好奇。如果隐藏状态意味着原始图像的许多特征，并且更接近最终结果，我认为对隐藏状态进行降维应该比原始像素提供更好的结果。因此，我尝试在mnist数字上使用256个单位NN的2个隐藏层，使用T-SNE进行降<e
浏览 0提问于2016-07-23得票数 1
1回答
据我所知，tsne正在减少单词向量的维数。两者之间的关系是什么？
Word2vec在里面使用tsne吗？(我使用来自Word2vec的Gensim)
浏览 7提问于2017-04-02得票数 3
回答已采纳
1回答
除了PCA或通过将数据投影到两台PC上并在2-D空间中获得曲线图来表示数据之外，还有什么其他技术可以给出数据判别的指示？
浏览 0提问于2016-06-02得票数 1
1回答
我有一个具有大约100万行和大约500 K稀疏特性的数据集。我想把维数降到1K-5K稠密特征的某个地方。sklearn.decomposition.PCA不工作在稀疏数据上，我尝试过使用sklearn.decomposition.TruncatedSVD，但是很快就得到了一个内存错误。在这个尺度上，我的有效降维选择是什么？
浏览 0提问于2018-08-29得票数 14
回答已采纳
1回答
我有一个关于人类日常生活的大量数据。生活的快照每5分钟拍一次。这些数据包括时间、人体位置、加速度计数据、陀螺仪数据等。这些数据是没有标签的，我知道必须有5个主要的分类：“睡觉”、“吃”、“锻炼”和“工作”。在我做假设之前，例如，“如果人类的位置是x，如果加速度计的值是y，陀螺仪的值是z，持续时间是k，那么人类就睡着了”。我知道这可能会产生问题，因为有时这些精确的值可能会有不同<em
浏览 0提问于2022-06-25得票数 1
1回答
我有一个二进制形式的NxM数据的数据集。我对它应用了各种维度技术，并绘制了前两个维度。这就是我如何直观地判断该技术是否适合我的数据集。有没有更合适的/有条理的/启发式的/正式的方法来测试我使用的降维技术的适用性？
浏览 2提问于2013-07-30得票数 4
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
云直播
对象存储
腾讯会议活动推荐
腾讯云开发者
