Публикации по теме 'dimensionality-reduction'
Уменьшение размерности — Кто делает это лучше?
Введение
Для обучения модели машинного обучения на больших наборах данных требуется много вычислительных ресурсов , а также слишком много времени . Чтобы достичь конечной цели в реалистичные сроки, важно подумать о способах предварительной обработки набора данных таким образом, чтобы сократить объем вычислений и обеспечить масштабируемость. Именно здесь на помощь приходят методы уменьшения размерности .
Понижение размерности сопоставляет многомерный набор данных с более низким..
Линейный дискриминантный анализ с различными представлениями
В целом существует два подхода к проблеме классификации:
Дискриминативный подход : оценить параметры класса решений, т. е. оценить P(Y | X) напрямую. Генеративный подход : смоделируйте распределение входных данных, характерное для класса, т. е. постройте модель P(X | Y) или P(X, Y).
Связь между дискриминационным и генеративным подходами:
по правилу Байя.
Генеративные подходы делают некоторые допущения о структуре вашей модели, но Дискриминационные подходы делают меньше..
Анализ главных компонентов
Анализ главных компонентов (PCA) – это статистический метод, который используется для уменьшения размерности данных.
PCA работает, идентифицируя направления в данных, которые имеют наибольшие различия, и проецируя данные в пространство с меньшими размерностями вдоль этих направлений. Эти направления называются главными компонентами и являются собственными векторами ковариационной матрицы данных.
Собственные векторы выбираются так, чтобы они были ортогональны друг другу, что..
Концепция машинного обучения -5: Метод уменьшения размерности t-SNE.
Метод уменьшения размерности: t-SNE
=› t-SNE (t-Distributed Stochastic Neighbor Embedded) — это метод уменьшения размерности, который часто используется в машинном обучении для визуализации многомерных данных.
=› t-SNE особенно полезен для изучения и интерпретации наборов данных, которые имеют много переменных или измерений, таких как изображения, речевые данные и текстовые данные.
=> Технически t-SNE работает, сначала вычисляя попарные расстояния между всеми точками данных в..
Анализ главных компонентов (PCA) с помощью Scikit-learn
Алгоритм неконтролируемого машинного обучения для уменьшения размерности
Всем привет! Это второй алгоритм машинного обучения без учителя, который я обсуждаю здесь. На этот раз тема - Анализ главных компонентов (PCA). В самом начале руководства я объясню размерность набора данных, что означает уменьшение размерности, основные подходы к уменьшению размерности, причины уменьшения размерности и что означает PCA. Затем я углублюсь в тему PCA, реализовав алгоритм PCA с библиотекой..
Подробный каталог уменьшения размерности
Многие методы уменьшения размерности, объясненные на языке Python
Размерность — это количество входных признаков для набора данных. В процессе уменьшения размерности мы стремимся использовать данные в пространстве высокой размерности, уменьшая их до пространства меньшей размерности (своего рода проекция). Здесь цель состоит в том, чтобы сохранить значимые данные многомерных данных как они есть (т. е. отбросить бессмысленную информацию путем сокращения) или завершить процесс уменьшения..
Денежная ценность как одномерный скаляр: современное мировоззрение «плоской Земли»?
Все имеет свою цену . Эта идея пронизывает современную культуру. В большинстве финансовых моделей цена чего-либо может быть сведена к одному числу — стоимости, выраженной в денежных единицах. В книге Sapiens Харари утверждает, что идея использования денег для торговли укоренилась
система взаимного доверия, а не просто какая-либо система взаимного доверия: деньги — это самая универсальная и самая эффективная система взаимного доверия, когда-либо придуманная.
Далее Харари отмечает:..
