pca

    0热度

    1回答

    PCA如何用于SIFT或VLAD载体？

    我正在阅读大量关于VLAD和Fisher Vectors（FV）的论文。特别是，在this论文中（并且基本上每篇论文都在讨论该主题），作者使用PCA来降低SIFT，VLAD和FV的尺寸。 但是，据我所知，PCA涉及计算协方差矩阵的特征值，并且我们可以只计算矩阵的特征值。 现在，假设我们想要为1M SIFT向量计算PCA。我们如何计算1Mx128矩阵上的PCA？ 我对的理解是SVD是一种选择，但是我
    opencv matrix pca sift svd 2017-01-09

    0热度

    1回答

    如何根据变化的比例选择主成分动态解释

    假设我有个人电脑的下列数据帧 pcdf PrinComp Standard deviation Proportion of Variance Cumulative Proportion 1 PC1 2.09181795 0.27348 0.27348 2 PC2 1.45030065 0.13146 0.40494 3 PC3 1.1949
    r pca 2017-01-16

    0热度

    2回答

    分层散布D3图？

    是否可以将多层ScatterD3图叠加在一起？我无法在这些小插曲的任何地方找到它或者搜索StackExchange/Google。 我很好奇，因为人们已经能够使用ScatterD3制作PCA Vector Loading地块。如果可以将这个图层叠加到另一个图上（类似于ggplot2或ggvis图层的可能值），则可以获得华丽且交互式的PCA图。此外，您可能能够勾勒出分数（因为当前点笔划不是选项）。
    r plot layer pca scatter 2017-01-25

    1热度

    1回答

    在线性回归中使用PCA

    我想在应用线性回归之前使用主成分分析来减少一些噪音。 我有1000个样本和200个特征 import numpy as np from sklearn.linear_model import LinearRegression from sklearn.decomposition import PCA X = np.random.rand(1000,200) y = np.random.r
    python machine-learning scikit-learn pca 2017-01-26

    0热度

    1回答

    循环R：将输出存储在数据框中

    以下是我当前面临的问题： 我有96个观察值（行）和16个变量（列）的数据框（我们称之为A）。 我还有一个由16个元素（A的16个变量中的每一个的系数）组成的9列向量（来自主成分分析）的旋转。 的PCA旋转保存为这样： ph=prcomp(home[ ,3:17], scale. = TRUE) Home_vec=-round(ph$rotation[ ,1:9], 3) 现在，奇我已经能够通
    r for-loop pca 2017-01-27

    2热度

    2回答

    增量式PCA

    我从来没有使用sklearn中存在的增量式PCA，我对它的参数有些困惑，并且无法找到它们的好解释。 我看到有一个在构造函数中batch_size，而且，使用partial_fit方法时，你可以再次通过只是你的数据的一部分，我发现了以下的方法： n = df.shape[0] chunk_size = 100000 iterations = n//chunk_size ipca = Incr
    scikit-learn pca 2017-02-03

    0热度

    1回答

    PCA上的组件数量受样本数量的限制

    我使用sklearn做PCA，当我有更多的样本比我想要使用它的组件数量更多的样本时，我正在测试一些虚拟数据的功能。蛮好的： from sklearn.decomposition import PCA import numpy as np features_training = np.random.rand(10,30) components = 8 pca = PCA(n_compon
    python machine-learning scikit-learn pca 2017-02-04

    1热度

    2回答

    使用PCA时监督学习和无监督学习的区别

    我已阅读答案here。但是，我不能将其应用于我的示例之一，因此我可能仍然不明白。 这里是我的例子： 假设我的程序正在尝试学习PCA（主成分分析）。 或对角化过程。 我有一个矩阵，答案是它的对角化： A = PDP -1 如果我理解正确： 在监督学习我将所有尝试与它的错误 我的问题是： 我会在无监督学习？ 当我在试验中进行试验时，是否会出现每次试验的错误，而不是提前发生所有错误？或者是别的什么？
    machine-learning pca 2017-02-09

    0热度

    1回答

    如何使用pca的矩阵结果来训练模型？

    你好，我想减少我的火车矩阵的尺寸，然后用支持向量机，我的代码如下： 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热度

    1回答

    了解Python中的scikitlearn PCA.transform函数

    因此，我目前正在研究一个涉及主要组件分析或PCA的项目，并且我试图在飞行中学习它。幸运的是，Python有一个非常方便的scikitlearn.decomposition模块，它似乎为您完成了大部分工作。在我真正开始使用它之前，我试图弄清楚它到底在做什么。 我一直在测试看起来像这样的数据帧： 0 1 0 1 2 1 3 1 2 4 6 3 5 3 当我打电话PCA.fit（），然后查看
    python scikit-learn pca 2017-02-10
最新问题