dimensionality-reduction

    0熱度

    1回答

    Isomap「非線性降維」點數

    我有個問題，請關於'Isomap'的非線性降維問題，在正常情況下當我引入矩陣距離爲100 * 100的時候，我應用Isomap [http://isomap.stanford.edu/][1]我得到座標爲100分，在其他情況下，我不明白爲什麼，用150 * 150的矩陣我得到35或50分的合理點？
    dimensionality-reduction 2016-05-10

    6熱度

    1回答

    scikit-learn因子分析的旋轉參數

    因子分析的標誌之一是它允許非正交的潛在變量。 例如，在R中，此功能可通過rotation參數factanal訪問。 sklearn.decomposition.FactorAnalysis有沒有這樣的規定？顯然這不是爭論之中 - 但也許有另一種方法來實現這一點？ 很遺憾，我一直無法找到這個功能的用法的很多例子。
    python scikit-learn dimensionality-reduction factor-analysis 2016-05-14

    1熱度

    1回答

    爲圖像檢索任務減少模型的完全連接圖層的尺寸

    我正在處理圖像檢索任務（不涉及面部），我嘗試的其中一件事是換出CNN模型中的softmax圖層，並使用LMNN分類器。爲此，我調整了模型，然後在完全連接層中提取了特徵。我現在有大約3000張圖片。完全連接的層給出了4096個暗淡矢量。所以我的最終矢量是一個3000x4096的矢量，大約有700個類（每個類有2個圖像）。我相信這是一個非常大的LMNN算法將要採取的尺寸大小（它真的需要永遠）。 如何減
    machine-learning tensorflow neural-network caffe dimensionality-reduction 2017-01-23

    2熱度

    1回答

    如何獲得`skbio` PCoA（主座標分析）結果？

    我正在查看skbio'sPCoA方法（下面列出）的attributes。我是API的新手，我希望能夠獲得eigenvectors和投影到新軸上的原始點，類似於的sklearn.decomposition.PCA，因此我可以創建一些PC_1 vs PC_2樣式的圖。我想出瞭如何獲得eigvals和proportion_explained，但features返回爲None。 這是因爲它在測試？ 如果有
    machine-learning linear-algebra scikits dimensionality-reduction skbio 2016-07-14

    0熱度

    1回答

    獲得尺寸不對創造Theano前饋的自動編碼時/千層麪

    我想創建一個簡單的自動編碼3000的輸入，2隱藏和3000個輸出神經元： def build_autoencoder(input_var=None): l_in = InputLayer(shape=(None,3000), input_var=input_var) l_hid = DenseLayer( l_in, num_units=2, non
    deep-learning theano lasagne dimensionality-reduction autoencoder 2016-09-02

    1熱度

    1回答

    神經網絡 - 我應該刪除所有派生/計算變量嗎？

    我正在使用神經網絡來控制遊戲中角色的移動。目前我已經獲得了大量維度，爲了修改它們以提高存儲和代碼可管理性，我正在考慮刪除所有派生變量，即可以從已發送到網絡的數據中計算出的任何變量。 一個例子是a）位置，b）速度，和c）沿路徑的加速度之間的關係。目前，我將所有三個數據點中的最後50個數據點發送給NN，以幫助確定其下一個移動。但是，我不知道系統控制/錯誤是否可以通過僅發送位置來簡化。從理論上講，神經網
    machine-learning neural-network random-forest dimensionality-reduction 2017-02-03

    1熱度

    1回答

    我應該比降維整個數據集進行線性判別分析？

    我不知道如何使用LDA只是降維。 我有64層的功能和爲類索引1列中的75x65矩陣。這個矩陣可以找到here。 我試圖使用LDA降維，使用this function從sklearn。 def classify(featureMatrix): X, y = featureMatrix[:, :63], featureMatrix[: ,64] X_train, X_test, y
    python scikit-learn lda dimensionality-reduction 2016-10-28

    3熱度

    1回答

    t-SNE的並行版本

    是否有與t-SNE算法的並行版本的Python庫？ 還是存在多核/並行t-SNE算法？ 我試圖減少我的詞彙量中使用t-SNE的所有word2vecs的維度（300d - > 2d）。 問題：詞彙大小約爲130000，並且爲它們進行t-SNE花費的時間太長。
    python parallel-processing multiprocessing word2vec dimensionality-reduction 2016-11-04

    2熱度

    1回答

    關於密碼學中的哈希函數應用與功能

    我只開始學習哈希函數，所以我需要幫助理解是否可以將數學表達式的哈希函數應用爲https://en.wikipedia.org/wiki/Tent_map。 和Tent map的一個這樣的應用是在密碼學中 - 紙1：基於散列函數的實現 在神經 密碼術download link。 在特徵散列中， 假設x是D維的數據點，即它具有D個元素。在特徵散列中，使用線性散列函數將D維數據點轉換爲較低k維數據點，以
    svm feature-extraction dimensionality-reduction approximate-nn-searching 2016-09-22

    2熱度

    1回答

    使用隨機投影降維的任何R實現？

    我有一個很大的p（〜20K）和小的n（〜500）問題。我在想的第一件事就是減少尺寸。在嘗試PCA，強大的PCA，ICA，去除高度相關的特徵之後，我正在考慮使用隨機投影。但是，沒有簡單的隨機投影R實現。 我已經找到了一些隨機投影的R程序包，像 MCLUST：https://cran.r-project.org/web/packages/mclust/index.html RPEnsemble：htt
    r dimensionality-reduction 2016-11-22
最新問題