9回答
有没有人能告诉我有没有一个好的(简单的)方法来可视化高维数据？我的数据目前是21维，但我想看看它是密集的还是稀疏的。有没有技术可以做到这一点？
浏览 1提问于2011-04-25得票数 17
回答已采纳
1回答
一些与流形学习有关的方法通常被认为是很好的可视化方法，如T和自组织映射(SOM).
我明白，当具体提到“可视化”时，意味着非线性维数约简可以很好地洞察其低维投影中的数据，但最常见的是，这种低维投影不能用于机器学习算法，因为高维结构的一些信息丢失了(粗略)。
然而，这里的问题是，如果在可视化中观察到“集群”，那么将聚类算法应用于低维转换数据并分别分析集群或组是可以接受的吗？
例如，我将T应用于相当高维度的数据(40个特性)，并获得以下表示：
📷
不考虑图片中观察到的颜色，我想应用一个聚类算法，将数据从找到的集群中分离出来(比如6或7个集群)，然后使用每个点的高维表示来分析每个集群的特性。
这是综
浏览 0提问于2016-03-31得票数 4
我正在尝试将时间序列数据库与实验室的实时监测设备结合起来。对于标量数据，如温度，工作得很好：
temperature,site=reactor temperature=20.0 1556892576842902000
对于一维(如红外光谱)或高维数据，我提出了两种写入数据的方法。
将光谱中的每个元素写成字段集，如下所示。通过这种方式，我可以查询单个频率，并使用现有的软件执行分析或可视化。然而，由于分光计的高分辨率，每个记录都很容易包含数千个场集。我关心的是线路协议是否太笨重，存储是否会变得低效。
ir_spectrum,site=reactor w1=10.0,w2=11.2,w3
浏览 9提问于2021-09-01得票数 1
回答已采纳
我试图使用高斯过程来拟合光滑函数到一些数据点。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。我使用的代码如下：
from sklearn.gaussian_process import GaussianProcessRegressor
from sklearn.gaussian_process.kernels import RBF, ConstantKernel as C
import numpy as np
# Some dummy data
X = np.
浏览 0提问于2018-02-06得票数 0
回答已采纳
1回答
我看到the可以帮助我们减少维数和可视化数据.但是我们从这个可视化中得到了什么信息呢？因为我们知道，新的轴在我们的上下文中没有意义。
此外，如果我们有一个类标记数据，那么我们可以从可视化中获得什么信息？我们已经知道有一些'n‘类，我们必须对其中一个类中的新示例进行分类。
还是我理解得不对？
浏览 0提问于2020-07-30得票数 0
3回答
自组织映射声称能够在较小的维度空间上可视化/聚类高维数据。我在理解这句话时有一些困难。
考虑六维数据集，码本向量/参考向量也是六维的。根据SOM算法，这些参考向量的更新也是在六维向量空间中进行的。如果我们考虑的是二维地图，我应该如何理解六维数据空间和二维地图空间之间的映射？
浏览 5提问于2011-11-15得票数 2
回答已采纳
1回答
PCA &聚类混淆
、、、
我有一个关于K均值聚类和PCA的问题。在我的项目中，我有两个目标类--0和1- -并且我试图将被预测为0的记录分组到5个集群中。我严格使用PCA作为可视化技术，因为我的数据框架有8个维度，我需要将其降到2-3维才能看到集群。我的问题是关于我应该遵循的程序~
第一条路：
提取目标=0的所有记录
PCA和KMeans只是在那些记录上
第二条路：
对所有记录(目标=0和1)进行PCA处理
用目标=0提取PCA记录(从步骤1中创建的PCA数据帧中)
在那些记录上做KMeans
使用这两种方法，记录的PCA1、PCA2、PCA3值(目标=0)是不同的。而且，由于PCA值不同，聚类可视化也呈现出不同的效果
浏览 0提问于2020-07-09得票数 1
如果它有一个特性，这是很容易的。给它画个图。
其中一个记录看上去像是(18，15)。很简单。但是如果我们有多个特征来增加图形的维数，对吗？那么，如果不能绘制数据集，如何可视化数据集并确定线性回归是否适用呢？
顺便说一句，我知道有一个可以选择，线性回归可能不是最适合一个特定的问题。我是从一个我正在学习这个视角，而不是一个什么是最好的方式来做这个观点。
浏览 3提问于2015-06-02得票数 2
回答已采纳
11回答
数组(一行元素)：
[ ][ ][ ][ ][ ][ ]
二维阵列(表)：
[ ][ ][ ][ ][ ][ ]
[ ][ ][ ][ ][ ][ ]
[ ][ ][ ][ ][ ][ ]
[ ][ ][ ][ ][ ][ ]
三维阵列：
//Imagine the above table as a cube ( a table with depth )
如何可视化一个四维数组？
最接近的是多个立方体，所以对于int[,,,] 5, 10，2，7将是多维数据集5，第10行，第2列，层(深度) 7。
但我不确定这是否是一个四维数组的最佳可视化方法.我不确定这是教它的最好方法..。然而，它确实具有
浏览 21提问于2010-05-14得票数 17
回答已采纳
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)。
如果这是真的，我不明白SOM是如何进行维数降维的，以及它如何使高维数据的可视化变得更简单。
有人能解释一下(如果可能的话) SOM是如何进行维数约简并使可视化成为可能的(如果可能的话)？
浏览 0提问于2018-02-02得票数 5
回答已采纳
2回答
免责声明:我是一个机器学习初学者。
我正致力于将高维数据(文本作为tdidf向量)可视化到2D空间中。我的目标是标记/修改这些数据点，并在修改和更新2D-图之后重新计算它们的位置。逻辑已经起作用了，但是每次迭代可视化都与前一个非常不同，尽管在一个数据点中，每28.000个特性中只有一个发生了变化。
关于该项目的一些细节：
~1000个文本文档/数据点
~(28.000) tfidf矢量
必须非常快地计算(比方说< 3s)，因为它的交互性
这里有两个图片来说明这个问题：
Step 1：
📷
Step 2：
📷
我尝试了几种降维算法，包括MDS、PCA、LSI、UMAP、LSI和自动编码器。
浏览 0提问于2019-05-22得票数 4
我有一个多维的摩尔立方体，它有15度量和15维。多维数据集是从POWER服务中浏览的，SSAS服务器使用内存为24 of的“现场数据网关”。当我浏览一个包含不同维度的1个度量和3个属性的表可视化报告时，结果似乎很好，我可以将报告显示出来。但是，当我尝试添加更多(另一个)属性时，报表只会继续加载(永久加载)，而ssas服务器中的内存将一直使用到耗尽为止。当我面对这个问题时，请告诉我该怎么做？
注:我试着在SSMS中使用相同的度量和尺寸浏览SSAS。当我在SSAS上进行分析时，我看到了来自power bi的2 DAX查询。第一个查询得到错误：“操作已被取消，因为应用程序没有足够的内存。”
浏览 3提问于2017-10-06得票数 2
回答已采纳
1回答
在进行PCA和学习过程之后，我问自己下一步的结果会有什么好处。从PCA中，我学会了如何通过降低维数来可视化数据集，我得到了更有效地描述群体成员的方便的新向量，并且我学习了哪些原始预测器比其他预测器关联和贡献更多。
我问自己的问题是，是否有更多的学习从PCA，这是一个好主意，使用PCA模型的学习算法，以更好的表现，是否有可能尊重名义或序数预测在PCA？
浏览 0提问于2017-05-05得票数 3
回答已采纳
13回答
例如:可以将二维数组可视化为具有正方形砖块的砖墙，其中每一块砖块都表示数组中的一个坐标。三维数组可以以同样的方式可视化为长方体或立方体。
但是，这里是棘手的部分，您如何可视化具有多维(大于3维)的数组？或者，对于这一部分，您如何可视化一个不仅具有多维，而且在多个层中具有多维的数组？
例如:如何可视化如下数组: Array3,3,3,33,3,3,3,3，3
浏览 8提问于2010-11-19得票数 7
回答已采纳
我现在要成为一名硕士了，我的老师的研究方向是对高维海量数据进行数据挖掘。
但我仍然无法想象什么是海量数据，以及多少维可以被称为高维。
tks~
浏览 1提问于2011-06-22得票数 0
1回答
我有一个本质上是分类的高维数据集，我使用Kmodes来识别集群，我想可视化集群，最好的方法是什么？PCA似乎不是分类数据集中降维的推荐方法，在这种情况下如何可视化？
浏览 1提问于2017-10-02得票数 0
我多次使用tSNE来可视化高维数据进行聚类分析，当数据落入集群时，它一直运行得很好。
然而，使用tSNE可视化具有线性关系的数据集中的自变量( $y =X \theta + b$，其中$y$是目标值，而$X$是自变量(b是偏差)是否有意义？
据我所知，tSNE更多地用于捕捉高维数据中的局部结构，因此它可能不适合用于线性回归的可视化数据--这是一个错误的假设吗？
浏览 0提问于2018-06-21得票数 1
回答已采纳
5回答
当我尝试在一些高维输入上应用一些ML算法(更具体地说是分类，特别是SVM )，而我得到的结果并不是很令人满意时，我应该如何处理这种情况？
可以可视化一维、二维或三维数据，以及算法的结果，因此您可以掌握发生了什么，并对如何解决问题有一些想法。一旦数据超过3维，除了直观地玩弄参数之外，我不确定如何攻击它？
浏览 2提问于2010-02-13得票数 16
回答已采纳
1回答
我有一个句子列表和一个10维嵌入每个句子。我试图将这些嵌入可视化，这样我就可以看到是否有几个句子嵌入形成了一个集群，使得它们具有相似的嵌入，这又意味着类似的上下文。我如何在python中做到这一点？另外，我想知道是否有什么好的度量或方法可以用来形成聚类或计算句子之间的相似性，从而告诉我两个句子有多近？
浏览 0提问于2020-02-29得票数 2
2回答
由于各种维度诅咒的存在，许多常用的预测技术对高维数据的精度和速度都会降低。帮助有效处理高维数据的一些最有用的技术/技巧/启发式方法是什么？例如,
某些统计/建模方法在高维数据集上表现良好吗？
我们可以通过使用特定的(定义距离的替代概念)或核粒 (定义点积的替代概念)来改进高维数据上的预测模型的性能吗？
高维数据降维最有用的技术是什么？
浏览 0提问于2015-01-25得票数 17
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
我有一个.csv格式的数据集，它看起来像-数据
x,y,z, label
2,1,3, A
5,3,1, B
6,2,2, C
9,5,3, B
2,3,4, A
4,1,4, A
我想将k均值聚类应用于上述数据集.正如我们在上面看到的，三维数据集(X)。在那之后，我想用图表中的一个特定的集群标签来可视化三维的集群。如果需要更多细节，请告知。
我已经使用了二维数据集，见下文-
kmeans_labels = cluster.KMeans(n_clusters=5).fit_predict(data)
绘制二维数据集的可视化图，
plt.scatter(standard_embedding[:,
浏览 3提问于2022-07-15得票数 1
回答已采纳
5回答
Java多维图形库
、、、
我一直在从事处理二维图形、UML图表和关系图(节点链接图)的项目。我有兴趣转移到更多的项目，处理更多的三维图形散点图和三维导航。有人能给我推荐几本书或图书馆来帮助我入门吗？
编辑：，我想我的问题不是很清楚。我的工作重点是信息和科学可视化，所以我需要的东西，不仅是有利于绘图，也是可视化的数据。
浏览 3提问于2009-12-03得票数 3
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*比随机(可能是分层的)数据样本更好？
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？
有什么保证吗？
t-SNE*有利于分类器的构建吗？我的意思是:如果你已经有了一个比随机/猜测最频繁的类要好得多的分类器，那么than能帮助你做更好的分类器吗？多么?
有多维降维算法。如何比较非线性的？什么时候一种算法比其他算法更好？尤
浏览 0提问于2017-03-29得票数 2
2回答
目前，我正在阅读the可视化技术，有人提到，使用主成分分析可视化高维数据的缺点之一是，它只保留大的两两点之间的距离。意思是，在高维中相距很远的点在低维时也会出现很远的距离，但除此之外，所有其他点的距离都会被扭曲。
有人能帮我理解一下为什么是这样吗?从图形上来说，这意味着什么？
非常感谢!
浏览 5提问于2015-10-13得票数 3
2回答
高维最近邻搜索的最佳数据结构
、、、、
实际上，我正在处理高维数据(~50.000~100.000功能)，必须对其执行最近邻搜索。我知道KD树的性能随着维数的增长而下降，而且我也读过，一般来说，所有的空间分区数据结构都倾向于对高维数据执行详尽的搜索。
此外，还有两个重要的事实需要考虑(按相关性排列)：
精度：必须找到最近的邻居(而不是近似)。
速度：搜索必须尽可能快。(创建数据结构的时间并不重要)。
所以，我需要一些建议：
执行k-NN的数据结构。
如果使用aNN (近似最近邻)方法更好，那么将其设置得尽可能准确吗？
浏览 6提问于2015-08-22得票数 4
回答已采纳
我很抱歉，如果这是一个众所周知的现象，但我不能完全围绕这件事。我有一个相关的问题：如何开发聚类模型，在多维数据中，集群沿着维度子集发生？。对于特征选择和聚类度量，有很好的答案，但我认为这种现象值得特别注意。
我在一维上模拟了3个簇，然后在二维上模拟了3个簇，然后将它们组合成一个与所有三维数据集相结合的集合。我希望聚类算法能够识别维度1上的3个集群，以及维度2和3上的3个集群，总共有6个集群。聚类算法不能正确识别6个聚类。
当我在三维可视化模拟数据时，有9个明显的团簇，而不是我模拟的6个。有人能解释为什么两组独立的、低维的星系团在高维空间中形成明显的星团吗？我担心这一现象在发展具有真实数据的集群
浏览 0提问于2022-05-17得票数 -1
回答已采纳
4回答
大量数据实时可视化
、、、、
我正在构建一个仪表板，它以JSON格式从MQTT接收大量数据(数据频率±4Hz)。我试图可视化这些数据，并最初选择了高级图表()，但很快就意识到浏览器不能简单地处理大量的信息。
我对可视化这样数量的数据非常陌生，所以我很想知道如何处理这些数据量(目前arduino将数据发布到给定的主题，并在服务器上接收它们，存储在mongo中并发送到浏览器进行更新)。有可能我的整个做法是完全错误的，所以请引导我走一条路！
浏览 9提问于2015-12-30得票数 2
回答已采纳
我有一个问题陈述--开发一个应用程序来处理诊断应用程序的DICOM图像，从头开始，。它包括：
图像处理.基于模型的分割和配准(C++)
可视化-二维和三维图像可视化(C++)
图形用户界面(Python)
使用C++ (针对大量图像数据)和Python？进行开发是否可行？
使用openCV的利弊是什么？
哪些库适合这样做？
浏览 2提问于2016-03-01得票数 1
回答已采纳
4回答
我在过去的8年里一直在编程，现在我想知道，如果N维数组有任何实际用途，其中N>3.I只能可视化小于或等于3维的数据结构，任何人在任何程序中使用超过3维的数据结构?N维数组是否有超出3D的实际用途?如果有，请发布一些示例。
浏览 7提问于2010-09-04得票数 5
回答已采纳
1回答
我想可视化一个EDA的数据集，它有8个参数和2个类标签。我搞不懂要选择哪些参数，依据是什么？另外，我是否想知道在可视化之前应用降维技术是否更好？
浏览 0提问于2019-07-02得票数 0
1回答
小样本的最佳一类分类器
、、、
我有一个高(600)维数据集，我有一个非常小的样本大小(+- 100数据点)来自一个类。由于数据的性质，很难生成异常值，所以我需要对这些数据进行一种分类器的训练。
你有一种分类的经验吗？小样本和高维数的最佳算法是什么？我正在考虑使用libsvm库中的一个类支持向量机，这是一个不错的选择吗？
谢谢你的建议
浏览 3提问于2015-10-17得票数 0
回答已采纳
例句:Matlab的t-sne教程经常使用PCA
https://www.mathworks.com/help/stats/tsne-settings.html
“使用Using处理数据。
利用the获得数据簇的二维模拟。使用Barnes-Hut算法在这个大数据集上获得更好的性能。使用PCA将初始尺寸从784降到50。<- (1)如果我们要在PCA之后使用t-sne将维降到2维，那么为什么我们在这里首先使用PCA将维降到50？
Matlab教程代码：https://www.mathworks.com/help/stats/tsne-settings.html
rng default %
浏览 0提问于2019-08-01得票数 1
1回答
如何形象化或绘制多维张量？
、、、、
我在想，这里有没有人想过在numpy中有一个多维张量。如果是的话，你能和我分享一下我该怎么做吗？我想把它简化成二维可视化。
我包括了一些样本输出。这是奇怪的结构，有椭圆“.”它有一个4D张量布局[ content it]
样本数据：
[[[[ -9.37186633e-05 -9.89684777e-05 -8.97786958e-05 ...,
-1.08984910e-04 -1.07056971e-04 -8.68257193e-05]
[[ -9.61350961e-05 -8.75062251e-05 -9.39425736e-05 ...,
-1
浏览 1提问于2018-03-09得票数 5
回答已采纳
2回答
我有两个变量，包含一个300维向量数组，名为a和b.其中最小值为-10.0，最大值为每个向量值的10.0。
我的目标是在二维空间中可视化距离。
问题
在一维中可视化是相对容易的。我取a矢量和b矢量，计算欧氏距离，可以在一维上可视化。但我现在想要在x轴和y轴上可视化。
伪Python
a = [0.1, 0.343423, -2.9008, etc...]
b = [-0.3455, -6.03983, 9.098, etc...]
distance = calculateEuclidean(a, b)
print(distance) # 6.39878 | this is 1 dimensio
浏览 0提问于2018-12-11得票数 1
5回答
我有一个包含10,000个基因的数据集，如下所示
person gene1 gene2 ... gene10000 ethnic
1 0 1 1 asian
2 1 0 1 European
每一行都意味着一个人的DNA中是否有一个基因。我们正试图根据上述数据对不同的族裔群体进行分类。但是首先，我们想要使用一些聚类算法来可视化集群对于不同种族群体的样子。我们不打算使用这种聚类算法来对组进行分类，如果我们有很好的单独的集群或重叠的集群等等，那么它将仅仅用于可视化它的样子。
请为这类数据集
浏览 0提问于2017-10-07得票数 7
我从我的程序中获得了一些不同配置的运行时数据，并希望绘制出哪种配置需要多少时间。有人告诉我要用gnuplot来做这件事，但我以前从未用过。
我的输入文件的格式是:x轴的范围是2;24，y范围是，z范围是1000000到8000000。
#X Z Y
2;1000000;2.868927
2;2000000;3.424788
2;3000000;4.678282
2;4000000;4.668475
2;5000000;5.202231
2;6000000;6.911772
2;7000000;6.984136
2;8000000;7.976616
4;1000000;1.918312
4;20
浏览 1提问于2016-07-23得票数 0
1回答
我有一个四维数据集。这四个变量没有一个是等距的。现在，我用三维散射(用点的颜色表示第四维)来可视化数据。但这使得它在印刷时极其笨重。如果变量间隔均匀，则可以选择一系列的颜色。有什么方法，我可以用一系列的二维图来表示这样的数据吗？我的数据集如下所示：
x = [3.67, 3.89, 25.6]
y = [4.88, 4.88, 322.9]
z = [1.0, 2.0, 3.0]
b = [300.0,411.0,414.5]
浏览 2提问于2014-05-06得票数 1
回答已采纳
3回答
我正在对一个12维矩阵进行KMean聚类。我设法得到了K个聚类集合中的结果。我想通过绘制成2D图形来显示结果，但我不知道如何将12维数据转换为2维数据。
关于如何进行转换或其他可视化结果的方法，有什么建议吗？我尝试过，但它不起作用。
我使用的KMean算法来自。
浏览 0提问于2013-06-30得票数 0
回答已采纳
我试图绘制物体在三维空间中的位置(x，y，z坐标)，这样我就可以确定物体的路径。
我发现很难想象这会是怎么回事。我可以在三维空间中绘制(x，y，z)坐标，但是如何可视化时间的进展呢？
我使用的是R，下面是scatterplot3d()函数在R中的结果。
请您指导我如何可视化数据集。此外，如果您可以为这种类型的可视化提供任何其他工具，这也会对我有所帮助。
样本数据集
Time X Y Z
1 245.00 198.00 247.00
2 247.00 197.50 246.50
3 249.00 198.20 245.20
5 250.25 200
浏览 2提问于2014-11-10得票数 1
回答已采纳
1回答
我有范围为<-a, b>的二维值矩阵。我想通过灰度图像来可视化这张图像。我应该如何处理我的数据以正确地将其可视化？ 据我所知，人眼是对数尺度的，所以我的变换也应该是对数的。
浏览 19提问于2019-03-22得票数 1
回答已采纳
我想要可视化一个三维CT，就像下面的图像。可视化(注意，我只需要右下角的部分)
我正在使用python和vtk。有人能举个例子吗？
假设变量“数组”是形状为(512,512,3)的CT数据，那么我该如何处理它呢？
浏览 7提问于2021-03-27得票数 1
回答已采纳
1回答
指数分裂因子树
、、
使用2^k的拆分因子的搜索树是什么，其中k是存储在树中的数据点的维数？(数据点是向量x_1, ... x_k)
对于k=1，我们将得到一个普通的二进制搜索树。对于k=2，我们将在树的每个节点上分成4个象限，等等。
对于任意的k，这种树的正确名称是什么？
浏览 1提问于2014-03-03得票数 2
回答已采纳
1回答
我将渲染3D数据，这是一个一维数组。这些数据是在进行可视化的同一程序中预先计算的。数据表示一个统一的3D网格。网格的每个单元都由一个向量组成。
GridSize = dx * dy * dz * 3
如何在不使用VTK复制的情况下可视化此数组？请提供VTK调用的简短序列。
浏览 0提问于2013-05-14得票数 1
回答已采纳
3回答
低维和高维数据
、、、
我刚开始机器学习，当我学习支持向量机的时候，我发现了一个术语：“低维和高维数据”，所以有人能向我解释它们是什么，区别是什么吗？
浏览 8提问于2017-06-02得票数 3
回答已采纳
我有一个不规则的数据，x维- 384，y维- 256，z维64。现在，这些坐标存储在3个单独的二进制文件中，我有一个数据文件，其中包含这些点的数据值。我想知道，我如何表示这些数据，以便在vtk中轻松可视化。
到目前为止，我们使用的是AVS，它有fld文件，可以很容易地读取这样的数据。我不知道用vtk怎么做。非常感谢您在这个方向上的任何指点。
浏览 3提问于2009-11-10得票数 2
1回答
我想基于多个张量变量来可视化我的数据，即基于不同的嵌入变量。换句话说，我需要做的是：
我需要将100维向量(图像特征/嵌入)存储到5个不同的变量中。然后我需要根据这5个不同的变量来可视化我的数据。也就是说，我需要根据前20个特征和后20个特征来可视化我的数据，依此类推……
当我在上查看嵌入可视化教程时，他们说我们可以添加多个嵌入。这就是我要找的。
如何在tensorflow中做到这一点？
任何帮助都非常感谢！
浏览 12提问于2017-07-11得票数 0
回答已采纳
1回答
我正在使用均值移位聚类算法，该算法基于数据集的核密度估计。我想要生成一个大的，高维的数据集，我认为科学学习函数make_blobs是合适的。但是，当我试图生成一个100万点8维数据集时，几乎每一个点都被当作一个单独的集群来处理。
我正在生成标准差为1的小块，然后将平均值偏移的带宽设置为相同的值(我认为这是有意义的，对吗？)对于二维数据集，这产生了很好的结果，但是对于更高的维度，我想我遇到了维度性的诅咒，因为点之间的距离变得太大，无法进行有意义的聚类。
有没有人有任何技巧或技巧，如何获得一个好的高维数据集，适合(类似)的均值转移集群？(或者我是不是做错了什么？(这当然是一种很好的可能性)
浏览 4提问于2015-03-19得票数 1
回答已采纳
1回答
我想用MATLAB可视化一个三维阵列，就像立方格子。
我读过和
如果数组中的元素只有0和1，我知道如何使用三维数组来绘制一个简单的立方格，小立方体的大小是相同的。
但是，现在我有了这样一个三维数组，
cube(:,:,1) =
1 0 1
0 1 1
2 1 0
cube(:,:,2) =
0 0 1
1 5 1
0 1 0
cube(:,:,3) =
1 1 1
0 1 1
2 0 1
数组立方体的值除0和1外，我想将数组可视化为
浏览 3提问于2015-03-24得票数 5
回答已采纳
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
实时音视频
即时通信 IM活动推荐
腾讯云开发者
