Публикации по теме 'principal-component'


Мягкий подход к анализу главных компонентов (PCA)
Введение PCA — это метод уменьшения размерности. Это позволяет нам уменьшить многомерный набор данных, убрав некоторые измерения без потери важной информации. В этой статье мы исследуем основополагающую философию устранения измерений. Удивительно, но многие строительные блоки взяты из базовой математики и физики средней школы. Это означает, что нам нужно понять, что такое размерности и что именно мы пытаемся уменьшить и как? Давайте сначала погрузимся в некоторые математические..
Обзоры анализа основных компонентов, PCA方法回顧
В машинном обучении это важный неконтролируемый метод. В статистике это также классический метод многомерного анализа. В этой статье я постараюсь разобраться в том, что я считаю ключевым для нас. Прежде чем приступить к сегодняшнему контенту, вы должны знать: Многофакторный анализ (с несколькими Yi ) vs. Однофакторный анализ (только один Y ) Вместо одного значения отклонения нам нужно расширить до общего значения отклонения . Одна линейная комбинация Xi образует одну новую..
Интеграция методов уменьшения размерности и нейронной сети для классификации изображений
Построение глубокой сети с использованием исходных цифровых изображений требует изучения многих параметров, которые могут снизить точность. Изображения могут быть сжаты с использованием методов уменьшения размеров, а извлеченные уменьшенные элементы могут быть переданы в глубокую сеть для классификации. Следовательно, на этапе обучения сети количество параметров будет уменьшено. Анализ главных компонентов - это хорошо известный метод уменьшения размерности, который использует..
Уменьшение размерности VS Выбор функций
Что такое уменьшение размерности? Метод уменьшения количества измерений (или признаков) в наборе данных при сохранении как можно большего количества информации известен как уменьшение размерности. Это метод, обычно используемый в машинном обучении и интеллектуальном анализе данных, чтобы минимизировать сложность данных и повысить производительность модели. Уменьшение размерности может быть достигнуто различными способами, в том числе: Анализ основных компонентов (АПК) : АПК – это..
Анализ основных компонентов — Расширение Карунена-Лоэва
Уменьшение размеров при распознавании образов PCA-KLE используется для получения характеристик распределения, которые лучше всего представляют образцы сигналов. Он выявляет закономерности в данных, выражая эти данные таким образом, чтобы подчеркнуть их сходства и различия. PCA-KLE уменьшает количество измерений данных за счет «сжатия» данных (это облегчает визуализацию скрытого шаблона данных). Чтобы выполнить сжатие, собственные векторы и собственные значения вычисляются и..
Анализ главных компонентов — Как и почему это работает?
Если вы знаете, как реализовать PCA, но не уверены во внутренней работе и теории, лежащей в ее основе, в этом посте я попытаюсь объяснить лежащие в основе концепции и выводы таким образом, который мне было проще всего понять и, надеюсь, интуитивно понятен. достаточно, по крайней мере, для нескольких моих коллег-энтузиастов данных. Анализ основных компонентов хорошо зарекомендовал себя в области науки о данных как метод уменьшения размерности данных, и в Интернете доступно множество..
Снижение размерности с помощью анализа главных компонентов
Введение Часто функции существующих данных сильно коррелированы. Некоторые из них вполне очевидны из данных, тогда как некоторые из них имеют скрытую корреляцию, которую можно обнаружить при тщательном наблюдении за данными. Например. допустим, у нас есть структурированные данные, одна из характеристик которых - скорость транспортного средства в милях в час, а другая - в километрах в час. Определенно, обе эти функции захватывают одну и ту же информацию, то есть скорость, и одна из них..