pca

    0熱

    1答えて

    多次元データから平均を差し引く

    多数のサンプルに対して主成分分析を行いたい。私はオーディオサンプルから平均を引いても何の問題もありません。なぜなら、オーディオは2次元しかなく、ループは簡単にforループを使うことができるからです。 ただし、ビデオサンプルはそれぞれ約18-20のディメンションがあるため、これはビデオの別のケースです。一つのビデオファイルの内容の 例： whos -file sample_video_001.mat
    matlab multidimensional-array mean pca 2016-03-21

    0熱

    1答えて

    PCAのセントロイドの計算方法は？

    PCAの各グループの重心ベクトルを比較するには、各PCとグループの重心を計算する方法を探しています。特にグラフィカルなものではなく、MWEのプロットを含んでいます。 library(ggbiplot) data(wine) wine.pca <- prcomp(wine, center = TRUE, scale. = TRUE) print(ggbiplot(wine.pca, obs.s
    r ggplot2 pca 2016-03-24

    0熱

    1答えて

    色分けの変数を助け、PCAに省略記号を追加するのに役立つ必要があります

    私はRを初めて使い、それを使ってPCAを行う方法を理解しようとしています。これまで私は2つの方法を試みましたが、両方に問題があります。ここで は、最初のコードです： library('FactoMineR') my.data.7 <- read.csv("Principal Component Analysis Input 2.csv", header=TRUE) attach(my.data
    r plot pca 2016-03-24

    0熱

    1答えて

    sklearnを使用してPythonを使用してデータフレーム上でPCAを実行する

    すべてのバリアントの行が多数あるサンプル入力ファイルがあり、列はコンポーネントの数を表しています。私が最初にこの.txtファイルをインポート A01_01 A01_02 A01_03 A01_04 A01_05 A01_06 A01_07 A01_08 A01_09 A01_10 A01_11 A01_12 A01_13 A01_14 A01_15 A01_16 A01_17 A01_18 A01
    python r for-loop pca sklearn-pandas 2016-03-27

    0熱

    1答えて

    は、これは私が最初にPCAを実行することにより、分析しようとしていますsamplefileにある2つのコンポーネント

    でのPythonと変換されたデータの可視化： A01_01 A01_02 A01_03 A01_04 A01_05 A01_06 A01_07 A01_08 A01_09 A01_10 A01_11 A01_12 A01_13 A01_14 A01_15 A01_16 A01_17 A01_18 A01_19 A01_20 A01_21 A01_22 A01_23 A01_24 A01_25 A0
    python matplotlib scikit-learn scatter-plot pca 2016-03-27

    1熱

    1答えて

    実際にPCAからフィーチャのディメンションを減らすにはどうすればよいですか？

    Matlabでpcaを使用して次元削減を実行しようとしています。以下のこのコードから、私は係数、スコア、潜伏、およびt-二乗を得る。しかし、それは私のPC分析から実際の次元を減らす方法はまだ私にはあいまいです。私がしたいのは、列の数（この場合は最初は3）を1または2に減らすことです。どうすればいいか教えてください。 matrix = [ 1 2 3; 4 3 2; 1 3 5; 4 2 3; 1
    matlab machine-learning pca feature-extraction feature-selection 2016-04-01

    6熱

    1答えて

    sklearnを使用して大スパース行列でPCAを実行する

    私は巨大な疎行列にPCAを適用しようとしていますが、sklearnのランダム化されたPCAはscipyの疎フォーマットの疎行列を扱うことができます。 Apply PCA on very large sparse matrix ただし、私はいつもエラーが発生します。誰かが私が間違っていることを指摘できますか？ 入力行列「X_trainは」のfloat64に数字が含まれています >>>type(X_t
    python scikit-learn sparse-matrix pca svd 2015-11-09

    9熱

    2答えて

    Pythonはpca.explained_variance_ratio_遮断

    教祖、 主成分（k）の数を選択する際、我々は、例えば、分散の99％が、保持されるように最小値にKを選択し学ぶscikit。 しかし、Python Scikitでは、pca.explained_variance_ratio_ = 0.99が「分散の99％が保持されている」と100％確信していません。誰でも啓発できますか？ありがとう。 ザ・パイソンScikit PCAマニュアルを学ぶはい、あなたはほぼ
    python scikit-learn pca 2015-09-30

    5熱

    1答えて

    分類：PCAおよびロジスティック回帰使っsklearn

    ステップ0：問題の説明私は分類の問題を抱えている は、すなわち私はロジスティック回帰を使用して、数値的な特徴の集合に基づいて、バイナリターゲットを予測したい、と実行した後主成分分析（PCA）。 フィジカルとターゲットを含むパンダのデータフレームとして、df_trainとdf_valid（それぞれトレーニングセットと検証セット）の2つのデータセットがあります。最初のステップとして、get_dummi
    python scikit-learn pca logistic-regression 2015-09-30

    5熱

    1答えて

    PCAの分散が最も大きいコンポーネントの選択

    トレーニングに必要な膨大なデータセット（32000 * 2500）があります。これは私の分類子にはあまりにも多いようです。そのため、私は次元削減と特にPCAについての読書をすることにしました。 私の理解から、PCAは現在のデータを選択し、別の（x、y）ドメイン/スケールでそれらを再現します。これらの新しい座標は何も意味するものではありませんが、データを再配置して1つの軸に最大の変化を与えます。これ
    matlab machine-learning classification pca dimensionality-reduction 2016-02-27
最新の質問