pca

    0热度

    1回答

    散点图：每个观察的不同颜色和注释取决于以前未转换的数据集PCA matplotlib python

    我对以下数据（代码中提供）实现了PCA。我选择了两个组件，它们以[x1，y1]，[x2，y2]等形式给出输出结果。 然后，我想在绘图上绘制这两台PC（a）（如下面的代码所示）但是我想根据未转换的数据（数据）中的字母对它们进行颜色编码。即观察[x1，y1]最初被指定为“A”，因此我希望它与具有相应的“B”和“C”标签的颜色不同。我认为字典是合适的，但不知道如何将原始数据集链接到新的PCA变量。 我也
    python matplotlib pca 2017-07-27

    3热度

    1回答

    多个3D阵列（曲线）的采样/插值

    我的目标是在预定义的连续距离内插入2D和3D空间中的曲线，以在多条曲线上执行PCA。 假设多个3D阵列（每个不同尺寸的）的数据帧： >>> df.curves 0 [[0.0, 0.0, 0.91452991453, 0.91452991453, 1.0]... 1 [[0.0, 0.0, 0.734693877551, 0.734693877551, 1.... 2 [[0.0, 0.0,
    python scipy interpolation pca 2017-07-29

    -1热度

    1回答

    的Python 3.5想要绘制PCA与sklearn和matplotlib

    使用下面的代码生成错误：类型错误：浮置（）参数必须是一个字符串或数字，而不是“强的松”： 我竭力要弄清楚是什么导致这个错误被抛出。 self.features是一个由三个浮点数组成的列表ex。 [1.1，1.2，1.3] self.features的示例： [array([-1.67191985, 0.1 , 9.69981494]), array([-0.68486623, 0.05 , 9
    pandas numpy matplotlib scikit-learn pca 2017-07-30

    0热度

    1回答

    如何在我的火花管道中集成ALS来实现非负矩阵分解？

    我使用spark mllib来训练naive-bayes分类器模型，其中我创建了一个管道来索引我的字符串特征，然后规范化并应用PCA降维，之后我训练我的朴素贝叶斯模型。当我运行管道时，我在PCA组件向量中得到负值。在Google上搜索时发现我必须应用NMF（非负矩阵分解）来获得正向量，并且我发现ALS将使用方法.setnonnegative（true）来实现NMF。 ，但我不知道如何将PCA后的A
    java machine-learning apache-spark-mllib pca naivebayes 2017-07-31

    -3热度

    1回答

    如何正常化面部识别中的特征脸？

    在人脸识别的PCA算法中，|| u || = 1是什么？
    c# pca face-recognition alglib 2017-07-31

    0热度

    1回答

    用PCA制作散点图以及如何读取结果

    我是一个有R但又不熟悉PCA的新手。我的问题是，从一项调查中我得到一个包含九个变量观察值的清单，第一个是受访者的性别，接下来的五个（Q51_1_c，Q51_2_c，Q51_4_c，Q51_6_c，Q51_7_c）询问有关企业家问题，其他人询问未来期望值（Q56_1_c，Q56_2_c，Q56_3_c）。除了性别之外，所有这些变量都取值在1到5之间。我想用两个轴作散点图。第一个是“企业变量”，第二个
    scatter-plot pca 2017-08-03

    1热度

    2回答

    特征脸方法中的权重

    1）在eigenface方法中，特征脸是来自不同面的元素的组合。这些元素是什么？ 2）输出面是由不同权重的不同特征脸组成的图像。特征脸的权重究竟意味着什么？我知道权重是图像中特征脸的百分比，但它究竟意味着什么，是指所选像素的数量？
    machine-learning pca eigenvector 2017-08-03

    2热度

    1回答

    PCA，TruncatedSVD和ICA有什么区别？

    有人可以告诉我PCA（主成分分析），TruncatedSVD（截断奇异值分解）和ICA（独立成分分析）之间的差异吗？
    machine-learning pca svd 2017-08-05

    0热度

    1回答

    加权PCA与FactomineR显示p.values = 0

    我有一个问题，有关在使用R中的FactoMineR软件包进行PCA时的p.values。请注意，行得到加权的PCA（row.w），但在此案例所示p.values都为零使用以下命令： res = dimdesc(res.mca, axes=1:2, proba=0.05) 所以，当我不使用行权重，并希望看到p.values，他们看起来都“正常”。 我错过了什么？为什么使用行重时没有p.value
    pca 2017-08-10

    0热度

    1回答

    绘制新文档以绘制散点图

    我期待深入了解我的数据。我使用sklearn PCA将它们转换成VSM，并将它们绘制成matplotlib图形。这涉及 使用管道 test = pipeline.fit_transform(docs).todense() 件到我的模型铸造的文件的数量矩阵 pca = PCA().fit(test) 然后我使用变换 data = pca.transform(test) 将其转换 个 最后我
    python matplotlib scikit-learn pca 2017-08-11
最新问题