pca

    3热度

    2回答

    多项式如果我理解正确的话,PCA的原理很简单: 计算数据向量协方差矩阵Ç。 解决DET(Ç - Ë*** I)= 0,找出矩阵**Ç的特征值ë。 计算矩阵C的特征向量(来自那些特征值)。 FIRST:这句话正确吗? SECOND:任何算法用于多项式方程式det机解决(Ç - Ë*** I)= 0? 我知道这是一个普通的数学问题(找到一个** n多项式的根n)。 第三:是否有PCA的C/C++ 感谢

    2热度

    1回答

    我已经使用以下代码生成附双标图: dd = data.frame(x = runif(10), y=runif(10)) pcr = prcomp(~x + y, data=dd) biplot(pcr) 这产生表示X和Y与各10个数据点的轴线的双标图。可以说10个数据点由2个不同的组(5个在一个组中,5个在另一个组中)组成。我怎样才能在每个组周围生成一个带有最小凸多边形的双标图,以显示两

    3热度

    2回答

    我有一个二进制numpy数组,并用scipy.ndimage标记连接区域。是否可以打电话来估计每个标记部分的偏心率? 编辑: 我试图制定标准,查找和折腾的标记部分是比他们宽更长的时间。在下面的数组中,我可能想保留7s并抛出3s。 3 3 0 0 0 0 3 3 0 7 7 7 3 3 0 7 7 7 3 3 0 7 0 7 3 3 0 0 0 0

    1热度

    1回答

    我愿做PCA上的数据帧是在长型: 时间1 ID1 DATA11 时间1 ID2数据12 时间2 ID1 data21 等等 有没有一种简单的方法来做到这一点或是标准的方式到reshape它然后做princomp。我的数据集非常大,大约有40,000次和4,000个ID。

    1热度

    2回答

    有没有人遇到好的预先存在的代码在Numpy数组上varimax旋转? 在C或Fortran中优化的东西会很好,但我遇到的所有东西都是对同一事物的微弱和远距离请求。

    14热度

    6回答

    我在R中使用princomp来执行PCA。我的数据矩阵很大(10K x 10K,每个值最多4个小数点)。在至强2.27 GHz处理器上,需要3.5小时〜6.5 GB的物理内存。 因为我只想要前两个组件,有没有更快的方法来做到这一点? 更新: 除了速度,是否有记忆有效的方式做到这一点? 使用svd(,2,)需要约2小时和〜6.3 GB的物理内存来计算前两个组件。

    3热度

    1回答

    所以我对此很陌生。我需要在以下数据矩阵上运行PCoA。我能够使用ADE4,labdsv,Ginko和Aabel软件运行我的分析。最让我困扰的是如何在散点图中对标签进行颜色编码。我矩阵是在顺序上有/无基质: SpecieName Value1 Value2 A1 0 1 A2 1 1 A3 1 1 B1 0 0 B2 0 1 E1 1 0 E2

    5热度

    3回答

    我有一个非常大的矩阵(大约500000 * 20000),包含我将用pca分析的数据。为此,我使用了ParallelColt库,但都使用奇异值分解和特征值分解来获得协方差矩阵的特征向量和特征值。但这些方法浪费堆,我得到“OutOfMemory”错误... 也使用SparseDoubleMatrix2D(数据非常稀疏)错误仍然存​​在,所以我问你:我该如何解决这个问题? 更改库?

    1热度

    1回答

    如果我有一个协方差矩阵,并且我想要执行相应相关矩阵的主成分分析,我应该首先对协方差矩阵进行中心平均化,然后进行标准化(除以标准偏差),或者先标准化协方差矩阵,然后将平均中心然后执行PCA?为什么?

    8热度

    2回答

    我正在通过OpenCV(Python中)加载一组尺寸为128x128的测试图像,将它们重新整形为矢量(1,128x128),并将它们放在矩阵中以计算PCA。我使用的是新CV2 libaries ... 代码: import os import cv2 as cv import numpy as np matrix_test = None for image in os.listdir('