1回答
我的问题是，如果我们有10列连续变量，我们是否可以使用k-means将10列缩减为1，并使用相应的聚类标签，然后进行决策树或逻辑回归？
浏览 65提问于2020-02-01得票数 0
1回答
X_pca[:,0],X_pca[:,1],c=y_kmeans)plt.legend()
这对于基于NLP的集群来说是正常的吗？
浏览 14提问于2018-08-29得票数 0
我知道散点图以2个向量作为参数，那么我怎么可能绘制所有569个样本来对它们进行聚类呢？我是不是遗漏了什么基本的东西？
浏览 49提问于2019-04-09得票数 1
回答已采纳
2回答
我注意到UMAP经常与其他聚类算法结合使用，例如K-means、DBSCAN、HDBSCAN。然而，据我所理解，UMAP可以用于集群任务。那么，为什么我注意到人们主要把它作为一种降维技术呢？UMAP可以单独用于集群任务吗？将它与其他聚类算法结合使用有什么好处？
浏览 0提问于2023-03-29得票数 0
回答已采纳
2回答
我从Scikit learn了解如何使用K-Means：学习文本聚类为什么这是有用的？维度(特征)的数量已经可以使用"max_features“参数在TF-IDF向量化器中进行控制。
我知道LSA (和LDA)也是主题建模技术。聚类的不同之处在于，文档属于多个主题，但只属于一个聚类。我不明白为什么要在K-Means聚类的上下文中使用LSA。
浏览 16提问于2017-02-22得票数 5
回答已采纳
1回答
多维数据k均值聚类后的主成分分析
、、、、
precompute_distances="auto", n_jobs=-1)为了绘制结果，我使用PCA进行降维pca1','pca2'])plt.tit
浏览 9提问于2021-10-24得票数 1
回答已采纳
我在上偶然发现了这篇关于K-means集群的教程，下面是代码：import matplotlib.pyplot as plt
from matplotlib import
浏览 4提问于2015-12-06得票数 3
1回答
我想使用LDA进行降维。我正在使用R。我发现的示例主要使用LDA进行分类。那么如何使用LDA进行降维呢？在R中有没有内置的函数调用来进行降维，或者你必须对其进行编码？
谢谢。塞夫万迪
浏览 2提问于2014-01-17得票数 1
1回答
我仍然在探索机器学习的这一领域，尽管我知道特征选择和降维之间的区别，但我发现在掌握何时进行特征选择或降维(或两者兼而有之)的概念上存在一些困难。假设我有一个包含大约40个特征的数据集，那么单独执行降维还是单独进行特征选择是一种好的做法？或者应该有两种方法的混合(即先进行特征选择，然后进行降维-或者反之亦然)？
浏览 1提问于2017-12-16得票数 0
1回答
我的工作是利用FER2013数据集和vgg16模型进行人脸情感检测。我正在将t-sne应用于我的训练数据集，用于降维.
我的问题是“tensorflow需要降维吗？”
浏览 0提问于2022-09-05得票数 0
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，找出我的模型的维数的最佳方法是什么？有没有什么统计方法可以帮助我找到vector_siz
浏览 56提问于2020-08-15得票数 0
3回答
从数据库中提取的数据集由50多个列组成，我将这些列称为_dimension_s，可以称之为_dimension_s吗？
显然，我必须对它们进行降维。我认为我不会在降维中使用PCA算法。因此，我计算了这些列(参数)之间的相关性，并过滤了那些具有高值和其他一些规则的人。所以我还能称它为降维吗？
浏览 0提问于2017-03-21得票数 1
1回答
有人能指出特征选择和聚类以及降维算法之间的区别吗？聚类帮助我们指出哪些变量簇清楚地定义了输出。这与降维算法不一样吗？特征选择+聚类不是和降维算法一样吗？
浏览 4提问于2015-10-27得票数 0
2回答
如果您这样做了，那么在LDA之后，您可以进行什么样的后续分析？
另外，还有一个不相关的问题--是在这里问这个问题更好，还是在交叉验证时问这个问题更好？
浏览 2提问于2015-09-27得票数 0
1回答
我正在使用方法对我的数据进行聚类。该实现似乎工作正常。然而，我有一个问题-我有一组看不见的点(不在训练集中)，并希望基于k-means (论文中的步骤5)导出的质心对这些点进行聚类。然而，k-means是在k个特征向量上计算的，因此质心是低维的。
有没有人知道一种方法，可以用来将看不见的点映射到低维，并计算投影点与步骤5中由k-means导出的质心之间的距离。
浏览 3提问于2015-06-26得票数 4
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。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-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？
浏览 0提问于2017-03-29得票数 2
我的方法是应用k-means来调查它是否会找到质心，然后我可以从那里开始。
红色是坐标数据点，蓝色是k-means提供的质心。我在R中使用标准的k-means算法，只需输入x和y坐标。我试过对数据进行标准化，但这并没有什么不同。有没有想过为什么会这样，或者可以应用其他潜在的方法来尝试和动态地了解数据中存在的不同集群的数量？
浏览 3提问于2017-08-17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
对象存储
腾讯会议
实时音视频活动推荐
腾讯云开发者
