pca

1熱度

2回答

使用PCA時監督學習和無監督學習的區別

我已閱讀答案here。但是，我不能將其應用於我的示例之一，因此我可能仍然不明白。 這裏是我的例子： 假設我的程序正在嘗試學習PCA（主成分分析）。 或對角化過程。 我有一個矩陣，答案是它的對角化： A = PDP -1 如果我理解正確： 在監督學習我將所有嘗試與它的錯誤 我的問題是： 我會在無監督學習？ 當我在試驗中進行試驗時，是否會出現每次試驗的錯誤，而不是提前發生所有錯誤？或者是別的什麼？

machine-learning pca 2017-02-09

---

0熱度

1回答

如何使用pca的矩陣結果來訓練模型？

你好，我想減少我的火車矩陣的尺寸，然後用支持向量機，我的代碼如下： from sklearn.decomposition import PCA 首先我想performin的PCA： pca = PCA(n_components=100) #pca.fit(train_matrix) train_matrix = np.concatenate([cities,state_matrix,wor

python-3.x scikit-learn pca 2017-02-10

---

0熱度

1回答

瞭解Python中的scikitlearn PCA.transform函數

因此，我目前正在研究一個涉及主要組件分析或PCA的項目，並且我試圖在飛行中學習它。幸運的是，Python有一個非常方便的scikitlearn.decomposition模塊，它似乎爲您完成了大部分工作。在我真正開始使用它之前，我試圖弄清楚它到底在做什麼。 我一直在測試看起來像這樣的數據幀： 0 1 0 1 2 1 3 1 2 4 6 3 5 3 當我打電話PCA.fit（），然後查看

python scikit-learn pca 2017-02-10

---

0熱度

1回答

Sklearn.PCA-意想不到的關鍵字參數 'random_state'

def doPCA(data, dimensions=2): from sklearn.decomposition import PCA model = PCA(n_components=dimensions, svd_solver='randomized', random_state=7) model.fit(data) return model File "/home/dogus/

python scikit-learn pca spyder 2017-02-11

---

1熱度

1回答

增量奇異值分解OpenCV的

我從室外攝像機圖像的大型檔案庫。接近200000個項目，每個1280x960彩色像素。我想通過爲這些數據構造SVD（Eigen-images）並減少數據向量（例如每張圖片的100維向量）來索引這個數據庫。 加載所有的數據到RAM中一次，大約需要的RAM 200GB。首先，我沒有太多內存。其次，它不會太大。所以，我正在尋找執行遞增奇異向量分解，可能應該存在像OpenCV或Eigen這樣的庫。 我不想

opencv eigen pca svd 2017-02-11

---

2熱度

1回答

邊緣多彩MDS陰謀R

我有問題在邊緣R中創建MDS陰謀，以可視化實驗（白血病）和控制（健康捐助者）羣體的顏色。 我用htseq文件作爲edgeR的輸入。每個文件由兩列組成 - gene_ID和讀取計數。 「A」代表白血病患者，「H」代表健康捐獻者。 這裏是我的代碼： 創建一個表： samples <- matrix(c("A18.txt","experiment","blood_exp", "A19.txt

r plot bioinformatics pca 2017-02-15

---

-1熱度

1回答

爲什麼在做PCA時，scikit-learn使用svd來獲得特徵值，而傳統的方法是使用eig？

雖然我在用scikit-learn進行PCA時，發現它使用svd來獲得eigenvalue和eigenvector，然後使用svd_flip來獲得真正的特徵向量。 這裏是我的代碼eigenvalue和eigenvector。 pca = PCA(data.shape[1]) newData = pca.fit_transform(data) eigenvalue, eigenvector =

scikit-learn pca 2017-02-17

---

1熱度

1回答

如何找到主要特徵方向？

我想在橢球體內生成點，然後嘗試適應光滑的橢球體表面。目標是適應未知數據，我必須在3個主軸上找到a，b和c的值。 Rinv應該等同於pc。但是，我以不同的順序獲得電腦。所以我必須找到正確的順序來將我的數據旋轉到matlab座標。 a=3; b=5; c=1; index=1; for i=1:500000 x=10*rand-5; y=10*rand-5; z=

matlab pca ellipse eigenvalue 2017-02-17

---

2熱度

1回答

從紙張複製主要組件圖的麻煩？

我最初嘗試重現此paper（圖1）中顯示的PCA圖。 本文使用PCA技術根據reference 16（圖1-B和C）在較低維度上顯現蛋白質結構構象。 PC圖中的每個點表示低維空間中的蛋白質結構。但我現在有些懷疑，因爲我正在試圖重現這些情節。所以我查看了這個link，這是來自參考文獻-16的作者的稱爲bio3d的R庫。每個pdb文件在其pdb文件中都有{X Y Z}座標位置。在將蛋白質區域對齊後，將

r matlab bioinformatics pca 2017-02-17

---

-1熱度

1回答

如何在測試集上使用PCA（代碼）

我正嘗試使用PCA來選擇一些K主要組件。 我明白，不應該在測試集上重新運行PCA，而是使用在對訓練集進行建模時找到的特徵向量\ PC。 我有2個CSV的 - 一個是訓練集， 其他測試集（不每條記錄標籤） 在 訓練 PCA過程中設置與done下面的代碼： # Load CSV file train_set.init_data <- read.csv("D:\\train.csv", header

r pca 2017-02-19

---