Câu hỏi được gắn thẻ «eigenvalues»

Trong lớp nhận dạng mẫu ngày nay, giáo sư của tôi đã nói về PCA, eigenvector và eigenvalues. Tôi hiểu toán học của nó. Nếu tôi được yêu cầu tìm giá trị bản địa, v.v. Tôi sẽ làm chính xác như một cái máy. Nhưng tôi đã không hiểu nó. …

976 pca  intuition  eigenvalues  canonical-question 

Tôi đã nghiên cứu ý nghĩa của tính chất bán xác định dương của ma trận tương quan hoặc hiệp phương sai. Tôi đang tìm kiếm bất kỳ thông tin về Định nghĩa bán xác định tích cực; Tính chất quan trọng của nó, ý nghĩa thực tiễn; Hậu quả …

34 covariance-matrix  eigenvalues  determinant  correlation-matrix 

Tôi nhận được một câu hỏi kỳ lạ khi tôi đang thử nghiệm một số tối ưu hóa lồi. Câu hỏi là: Giả sử tôi một cách ngẫu nhiên (nói phân phối chuẩn chuẩn) tạo ra một ma trận đối xứng, (ví dụ, tôi tạo ra ma trận trên hình …

32 probability  matrix  random-generation  eigenvalues  random-matrix 

Việc định tâm (hoặc không có ý nghĩa) dữ liệu của bạn tạo ra gì cho PCA? Tôi đã nghe nói rằng nó làm cho các phép toán dễ dàng hơn hoặc nó ngăn PC đầu tiên bị chi phối bởi các biến ', nhưng tôi cảm thấy như mình …

30 r  pca  svd  eigenvalues  centering 

Tôi đang học PCA từ khóa học Coursera của Andrew Ng và các tài liệu khác. Trong bài tập đầu tiên của Stanford NLP cs224n , và trong video bài giảng của Andrew Ng , họ thực hiện phân rã giá trị số ít thay vì phân tách eigenvector của …

29 pca  linear-algebra  svd  eigenvalues  numerics 

Trong PCA, khi số lượng kích thước lớn hơn (hoặc thậm chí bằng) số lượng mẫu N , tại sao bạn sẽ có nhiều nhất các hàm sinh học N - 1 khác không? Nói cách khác, thứ hạng của ma trận hiệp phương sai giữa các kích thước d …

22 pca  dimensionality-reduction  eigenvalues 

Khi nhìn vào các hàm riêng của ma trận hiệp phương sai, chúng ta sẽ nhận được các hướng của phương sai tối đa (hàm riêng đầu tiên là hướng mà dữ liệu thay đổi nhiều nhất, v.v.); đây được gọi là phân tích thành phần chính (PCA). Tôi đã …

14 pca  entropy  mutual-information  eigenvalues 

Câu hỏi của tôi liên quan đến một kỹ thuật tính toán được khai thác trong geoR:::.negloglik.GRFhoặc geoR:::solve.geoR. Trong thiết lập mô hình hỗn hợp tuyến tính: trong đó và lần lượt là các hiệu ứng cố định và ngẫu nhiên. Ngoài ra,Y= Xβ+ Zb + eY= =Xβ+Zb+e Y=X\beta+Zb+e ββ\betabbbΣ …

13 r  eigenvalues  matrix-decomposition  matrix-inverse  cholesky 

Tôi đang cố gắng phân tách ma trận hiệp phương sai dựa trên tập dữ liệu thưa thớt / vui vẻ. Tôi nhận thấy rằng tổng lambda (phương sai được giải thích), theo tính toán svd, đang được khuếch đại với dữ liệu ngày càng tốt. Không có khoảng trống, …

12 r  svd  eigenvalues 

Tôi đang nói ở đây về ma trận tương quan Pearson. Tôi thường nghe nói rằng tất cả các ma trận tương quan phải là bán chính xác dương. Hiểu biết của tôi là ma trận xác định dương phải có giá trị riêng , trong khi ma trận bán …

11 covariance-matrix  eigenvalues  correlation-matrix 

Rất nhiều sách giáo khoa thống kê cung cấp một minh họa trực quan về những gì các hàm riêng của ma trận hiệp phương sai là: Các vectơ u và z tạo thành các hàm riêng (tốt, eigenaxes). Điều này thật ý nghĩa. Nhưng một điều làm tôi bối …

10 correlation  pca  covariance-matrix  eigenvalues 

Tôi đang thực hiện phân tích Matlab trên dữ liệu MRI nơi tôi đã thực hiện PCA trên ma trận có kích thước 10304x236 trong đó 10304 là số lượng voxels (nghĩ về chúng như pixel) và 236 là số lượng thời gian. PCA cung cấp cho tôi 236 Eigenvalues …

10 pca  eigenvalues  neuroimaging 

Christopher Bishop viết trong cuốn sách Nhận dạng mẫu và Máy học bằng chứng của mình, rằng mỗi thành phần chính liên tiếp tối đa hóa phương sai của phép chiếu thành một chiều, sau khi dữ liệu được chiếu vào không gian trực giao cho các thành phần được …

10 machine-learning  variance  pca  dimensionality-reduction  eigenvalues 

nếu được quan sát ma trận dữ liệu và là biến tiềm ẩn thìYXXXYYY X=WY+μ+ϵX=WY+μ+ϵX=WY+\mu+\epsilon Trong đó là giá trị trung bình của dữ liệu được quan sát và là lỗi / nhiễu Gaussian trong dữ liệu và được gọi là không gian con chính.ε Wμμ\muϵϵ\epsilonWWW Câu hỏi của tôi …

10 machine-learning  pca  latent-variable  eigenvalues 

Tôi đang cố gắng làm SVD bằng tay: m<-matrix(c(1,0,1,2,1,1,1,0,0),byrow=TRUE,nrow=3) U=eigen(m%*%t(m))$vector V=eigen(t(m)%*%m)$vector D=sqrt(diag(eigen(m%*%t(m))$values)) U1=svd(m)$u V1=svd(m)$v D1=diag(svd(m)$d) U1%*%D1%*%t(V1) U%*%D%*%t(V) Nhưng dòng cuối cùng không quay trở mlại. Tại sao? Nó dường như có liên quan đến các dấu hiệu của những người bản địa này ... Hay tôi đã hiểu sai quy …

9 r  svd  eigenvalues