如何在PCA之后从Python中的第一个分量重建图像？我的尝试是：from sklearn.feature_extraction import image# Create patches of
浏览 10提问于2019-10-26得票数 1
回答已采纳
2回答
线性判别分析逆变换
、、、
我尝试使用从科学学习图书馆，以执行降维我的数据，其中有200多个功能。但是我在LDA类中找不到inverse_transform函数。
我只想问一问，如何从LDA域中的某个点重建原始数据？我知道如果没有所有的PCA，我们就无法重建原始数据，但是当我们构建形状空间时，我们会借助PCA将数据向下投影到更低的维度。PCA试图解释只有2或3个分量的数据，这些分量<
浏览 4提问于2017-03-22得票数 4
回答已采纳
2回答
我目前正在使用PCA和ICA算法进行实验。我现在很乐意使用PCA来创建一组特征脸，选择最优的特征脸并重建一幅图像，我还可以使用PCA来执行人脸幻觉。以上代码在拥有165张图像的耶鲁数据库上进行了测试。使用PCA，我可以使用大约80个特征面，并且仍然可以获得一个非常高质量的图像，而在这里使用ICA方法，我必须使用105-110来获得类似的质量图像。与包含400幅图像
浏览 2提问于2013-11-14得票数 4
2回答
因此，在Matlab中，我对手写数字执行PCA。从本质上说，我有30*30维图像，即900像素，在PCA之后，我考虑捕捉大部分方差的分量，比如基于某个阈值的前80个主成分(PC)。现在这80台电脑也是900维的，当我用imshow绘制这些电脑的时候，我会得到一些图像，比如0，6，3，5等等。这些最初的几台电脑(我提取的80台电脑中的</e
浏览 3提问于2015-04-18得票数 2
3回答
一种可视可分簇的聚类算法
、、、、
在使用PCA之后，我已经在2D中可视化了一个数据集。1维是时间，Y维是第一个PCA分量。如图所示，点(A，B)之间有相对较好的分离。但不幸的是，聚类方法(DBSCAN，SMO，KMEANS，Hierarchical)不能将这些点聚类到两个聚类中。正如你在A部分看到的，有一个相对的连续性，这个连续的过程结束了，B部分开始了，与A和B之间的过去数据相比，有相当大<em
浏览 3提问于2016-07-30得票数 1
1回答
当我们谈到PCA时，我们说我们用它来降低数据的维数。我有二维数据，使用PCA将维数降到一维.第一个组件将以这样的方式捕获最大方差。第一组分最大是什么意思？变异？另外，如果我们取三维数据并将其维数降为2-d，那么第一分量将沿x轴或y轴建立最大方差？
浏览 2提问于2022-06-15得票数 5
回答已采纳
1回答
我训练要在python上做一些MNIST的PCA重构，并将它们与我在maltab中的(旧)重建进行比较，我碰巧发现我的重建不同意。我所有的尝试和解决这个问题的方法：
我发现这一点的方式是因为当我重建我的MNIST图像的时候，python重建的地方比原来的图像
浏览 2提问于2016-08-05得票数 1
我只是一个R程序员新手，受到PCA和特征脸技术用于图像分类的启发。然而，大多数示例似乎都是用Python编写的，我更喜欢用R继续开发。我已经将剑桥灰度人脸图像加载到一个400个样本x 10304列的ImageData中，每列代表折叠出来的112x92灰度像素值。我可以使用pixmapRGB OK绘制每个图像。我执行了主成分分析，并相信我已经提取了特征值，但当我从50 EigenFaces重建
浏览 0提问于2016-10-24得票数 2
2回答
我使用自动绘图函数创建一个使用mtcar数据的图形，并得到如下所示的图形这里我的代码：library(NbClust)x.pam <- pam(x, best.cluster)我的问题是如何获得基于这个图形的
浏览 6提问于2019-12-06得票数 2
回答已采纳
为了对这些图像进行分类，我想运行一些机器学习算法，比如PCA和KNN，它们有一个相对较大的图像数据集(>2000 rgb图像)。modelpca.fit(data)knn = neighbors.NearestNeighbors，因为它需要很多小时才能处理700多个rgb图像
浏览 0提问于2018-02-01得票数 2
我想对相对较大的图像数据集(>2000 rgb图像)运行一些机器学习算法，如PCA和KNN，以便对这些图像进行分类。modelpca.fit(data)knn = neighbors.NearestNeighbors，因为它需要很多小时才能处理700多张rgb图像</
浏览 0提问于2018-01-31得票数 1
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
我知道，在这里，我们丢弃信息，所以重建的图像将被像素化，但它们仍然是相同的维度(28x28)。在这种情况下，如果有无用的特性，我们将得到<< 50特性(也许20，或10.不管什么)
浏览 5提问于2021-08-04得票数 2
回答已采纳
1回答
在这个问题中，我正在调查PCA中的双情节和加载/分数的意义的解释：。根据第一个答案的作者，分数如下：John -44.6 33.2Kate -21.1 44.35 x y
浏览 4提问于2015-05-16得票数 1
我有一个多维数据的大型数据集(132维)。在这一步之后，我希望能够基于所获得的特征向量的选择来对我的数据进行重建。我的初始数据类似于：size(x) = [33800 132]。所以基本上我
浏览 0提问于2012-10-02得票数 19
回答已采纳
我所观察到的和我相应的问题是：原始数据上的K-均值和pca上的K-均值是如何不同的？我知道pca会将数据减少到我选择的两个dims，并且保留了最大方差的分量。但是，我可以将pca
浏览 0提问于2020-01-21得票数 3
1回答
我正在为美国的鹿种建立一个图像分类模型，我目前正在对这些图像进行PCA，以减少它们的内存大小，并在达到这一点时减少模型的运行时间。
我知道主成分分析应该在不放弃太多方差的情况下减少数据集的维数。所以当我注意到通过我的Deer_PCA函数运行的所有新的PCA压缩图像都比原始图像大的时候，我有点困惑。下面是我在函数
浏览 2提问于2021-10-21得票数 0
回答已采纳
3回答
我只有大约1000辆车的图像。我需要训练一个模型，可以识别图像是车辆还是非车辆。我没有关于非车辆的数据集，因为它可能是除车辆以外的任何东西.我是全新的ML整体，任何基于实际实现的解决方案都将受到高度赞
浏览 0提问于2019-11-28得票数 2
2回答
我在Python中对音频谱图进行了PCA处理，并面临以下问题:我有一个矩阵，其中每一行都包含扁平的歌曲特性。在应用PCA之后，我很清楚，尺寸已经减少了。但我在常规数据集中找不到这些维度数据。import matplotlibfrom sklearn import decomposition
<em
浏览 6提问于2015-10-19得票数 0
1回答
橙色有一个称为“肝硬化”的高光谱数据集，您可以使用高光谱图像小部件来可视化高光谱图像。然而，我想对每个像素的光谱执行各种聚类方法，例如k均值，然后在高光谱图像小部件上显示这些聚类，如这张照片。
浏览 0提问于2020-11-09得票数 2
1回答
我正在构建基于JSON值的网站。JSON包含每个块的内容和组件类型。 B组分C组件//希望从浏览器中删除/删除此组件。X分量X分量X分量
我提供了一个删除每个主组件中的组件的选项。一旦删
浏览 4提问于2020-01-02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
云直播
对象存储
腾讯会议活动推荐
腾讯云开发者
