Câu hỏi được gắn thẻ «svd»

Tôi đang điều tra các kỹ thuật khác nhau được sử dụng trong phân cụm tài liệu và tôi muốn xóa một số nghi ngờ liên quan đến PCA (phân tích thành phần chính) và LSA (phân tích ngữ nghĩa tiềm ẩn). Điều đầu tiên - sự khác biệt giữa …

25 clustering  pca  data-mining  svd  lsa 

Câu hỏi này là về một cách hiệu quả để tính toán các thành phần chính. Nhiều văn bản trên PCA tuyến tính ủng hộ việc sử dụng phân tách giá trị số ít của dữ liệu casewise . Nghĩa là, nếu chúng ta có dữ liệu và muốn thay …

22 pca  algorithms  svd  matrix-decomposition 

Trong Lọc cộng tác, chúng tôi có các giá trị không được điền vào. Giả sử người dùng không xem phim thì chúng tôi phải đặt 'na' vào đó. Nếu tôi định lấy một SVD của ma trận này, thì tôi phải đặt một số vào đó - nói 0. …

21 machine-learning  svd  recommender-system 

Tôi đã bắt gặp một kịch bản trong đó tôi có 10 tín hiệu / người cho 10 người (vì vậy 100 mẫu) chứa 14000 điểm dữ liệu (kích thước) mà tôi cần chuyển đến bộ phân loại. Tôi muốn giảm tính chiều của dữ liệu này và PCA dường …

21 pca  dimensionality-reduction  svd 

Tôi quan sát một hành vi rất kỳ lạ trong kết quả SVD của dữ liệu ngẫu nhiên, mà tôi có thể sao chép trong cả Matlab và R. Có vẻ như một số vấn đề về số trong thư viện LAPACK; Là nó? Tôi vẽ mẫu từ Gaussian chiều …

21 pca  svd  linear-algebra  numerics 

Tôi đã hiểu làm thế nào hồi quy sườn núi thu nhỏ các hệ số về không về mặt hình học. Hơn nữa, tôi biết làm thế nào để chứng minh điều đó trong "Trường hợp đặc biệt", nhưng tôi bối rối không biết nó hoạt động như thế nào …

20 regression  multiple-regression  regularization  ridge-regression  svd 

Tôi biết cách tính toán PCA và SVD một cách toán học và tôi biết rằng cả hai đều có thể được áp dụng cho hồi quy tuyến tính Least Squares. Ưu điểm chính của SVD về mặt toán học dường như là nó có thể được áp dụng cho …

20 pca  least-squares  svd 

Tôi có một vài câu hỏi nhanh về PCA: PCA có cho rằng tập dữ liệu là Gaussian không? Điều gì xảy ra khi tôi áp dụng PCA cho dữ liệu phi tuyến tính vốn có? Đưa ra một tập dữ liệu, quá trình đầu tiên là bình thường hóa, …

20 pca  svd 

Tôi đang tìm cách triển khai một biplot để phân tích thành phần chính (PCA) trong JavaScript. Câu hỏi của tôi là, làm thế nào để tôi xác định tọa độ của các mũi tên từ đầu ra của phân tách vectơ số ít (SVD) của ma trận dữ liệu?Bạn, …

18 pca  svd  biplot 

Gần đây tôi đã đọc cuốn sách của Skillicorn về phân rã ma trận, và hơi thất vọng, vì nó được nhắm đến đối tượng đại học. Tôi muốn biên soạn (cho bản thân tôi và những người khác) một thư mục ngắn về các bài viết thiết yếu (khảo …

18 matrix-decomposition  svd  numerics 

Giả sử rằng tôi có một ma trận dày đặc có kích thước , với phân tách SVDTrong tôi có thể tính toán SVD như sau : .AA \textbf{A}m×nm×nm \times nA=USV⊤.A=USV⊤.\mathbf{A}=\mathbf{USV}^\top.Rsvd(A) Nếu một hàng mới được thêm vào , người ta có thể tính toán phân tách SVD mới dựa …

17 algorithms  svd  linear-algebra  matrix-decomposition  numerics 

Bài viết Wikipedia về phân tích thành phần chính nói rằng Các thuật toán hiệu quả tồn tại để tính toán SVD của mà không phải tạo ma trận , do đó, tính toán SVD bây giờ là cách tiêu chuẩn để tính toán phân tích thành phần chính từ …

17 pca  algorithms  svd  numerics 

Giả sử chúng ta có biến số có thể đo được, , chúng tôi thực hiện một số của phép đo và sau đó muốn thực hiện phân tách giá trị số ít trên các kết quả để tìm ra trục có phương sai cao nhất cho các điểm trong …

17 pca  data-transformation  normalization  dimensionality-reduction  svd 

Tôi muốn thực hiện một thuật toán trong một bài báo sử dụng kernel SVD để phân tách ma trận dữ liệu. Vì vậy, tôi đã đọc các tài liệu về các phương thức kernel và PCA kernel, v.v. Nhưng nó vẫn rất mơ hồ đối với tôi đặc biệt …

17 pca  svd  kernel-trick 

Các thành phần PCA (trong phân tích thành phần chính) có độc lập thống kê nếu dữ liệu của chúng tôi được phân phối đa biến thông thường không? Nếu vậy, làm thế nào điều này có thể được chứng minh / chứng minh? Tôi hỏi bởi vì tôi thấy …

16 pca  independence  svd