Statistiques et Big Data multidimensional-scaling

5

Quelle est la différence entre l'analyse en composantes principales et la mise à l'échelle multidimensionnelle?

Quelle est la différence entre PCA et MDS classique? Qu'en est-il des MDS par rapport aux MDS non métriques? Y a-t-il un moment où vous préféreriez l'un plutôt que l'autre? Comment les interprétations diffèrent-elles?

133 pca multidimensional-scaling pcoa

3

Effectuer la normalisation des fonctionnalités avant ou dans la validation du modèle?

Une bonne pratique courante en Machine Learning est de normaliser les caractéristiques ou de normaliser les données des variables prédites, centrer les données soustrayant la moyenne et les normaliser en les divisant par la variance (ou l’écart type). Pour nous maîtriser et pour autant que je sache, nous faisons cela …

52 machine-learning normalization standardization multidimensional-scaling

7

Normalisation des données et normalisation dans les réseaux de neurones

J'essaie de prédire le résultat d'un système complexe en utilisant des réseaux de neurones (ANN). Les résultats (dépendants) vont de 0 à 10 000. Les différentes variables d'entrée ont des plages différentes. Toutes les variables ont des distributions à peu près normales. Je considère différentes options pour mettre à l'échelle …

40 machine-learning neural-networks multidimensional-scaling

3

l'opportunité de remettre à l'échelle l'indicateur / les prédicteurs binaires / fictifs pour LASSO

Pour le LASSO (et d'autres procédures de sélection de modèle), il est crucial de redimensionner les prédicteurs. La recommandation générale que je suis consiste simplement à utiliser une normalisation de 0 moyenne, 1 écart-type pour les variables continues. Mais que faire avec les nuls? Par exemple, certains exemples appliqués de …

30 predictive-models model-selection lasso standardization multidimensional-scaling

1

t-SNE contre MDS

J'ai lu récemment des questions sur t-SNE ( t-Distributed Stochastic Neighbour Embedding ) et j'ai également visité quelques questions sur MDS ( Multidimensional Scaling ). Ils sont souvent utilisés de manière analogue, il semblait donc judicieux de poser cette question, car il y a de nombreuses questions séparément (ou par …

21 data-visualization dimensionality-reduction multidimensional-scaling tsne

5

Existe-t-il des versions de t-SNE pour le streaming de données?

Ma compréhension du t-SNE et de l'approximation de Barnes-Hut est que tous les points de données sont nécessaires pour que toutes les interactions de force puissent être calculées en même temps et chaque point peut être ajusté dans la carte 2D (ou dimensionnelle inférieure). Existe-t-il des versions de t-sne qui …

19 data-visualization dimensionality-reduction multidimensional-scaling tsne

3

Quel est le rôle de MDS dans les statistiques modernes?

J'ai récemment rencontré une mise à l'échelle multidimensionnelle. J'essaie de mieux comprendre cet outil et son rôle dans les statistiques modernes. Voici donc quelques questions directrices: À quelles questions répond-il? Quels chercheurs sont souvent intéressés à l'utiliser? Existe-t-il d'autres techniques statistiques qui remplissent des fonctions similaires? Quelle théorie se développe …

18 multidimensional-scaling

1

RandomForest - Interprétation du tracé MDS

J'ai utilisé randomForest pour classer 6 comportements d'animaux (par exemple, debout, marcher, nager, etc.) en fonction de 8 variables (différentes postures corporelles et mouvements). Le MDSplot dans le package randomForest me donne cette sortie et j'ai des problèmes pour interpréter le résultat. J'ai fait un PCA sur les mêmes données …

14 r classification random-forest multidimensional-scaling

4

Exécution de PCA avec seulement une matrice de distance

Je veux regrouper un ensemble de données massif pour lequel je n'ai que les distances par paire. J'ai implémenté un algorithme k-medoids, mais cela prend trop de temps à exécuter, donc je voudrais commencer par réduire la dimension de mon problème en appliquant PCA. Cependant, la seule façon que je …

12 pca dimensionality-reduction multidimensional-scaling

3

Comment projeter un espace de grande dimension dans un plan bidimensionnel?

J'ai un ensemble de points de données dans un espace à N dimensions. De plus, j'ai également un centroïde dans ce même espace à N dimensions. Existe-t-il des approches qui peuvent me permettre de projeter ces points de données dans un espace à deux dimensions tout en conservant leurs informations …

11 data-visualization pca multidimensional-scaling

2

Visualisation de données multidimensionnelles (LSI) en 2D

J'utilise l'indexation sémantique latente pour trouver des similitudes entre les documents ( merci JMS! ) Après la réduction des dimensions, j'ai essayé le clustering k-means pour regrouper les documents en clusters, ce qui fonctionne très bien. Mais j'aimerais aller un peu plus loin et visualiser les documents comme un ensemble …

11 data-visualization clustering python multidimensional-scaling

2

Réduction dimensionnelle évolutive

Compte tenu du nombre constant de caractéristiques, Barnes-Hut t-SNE a une complexité de , les projections aléatoires et l'ACP ont une complexité de O ( n ), ce qui les rend "abordables" pour de très grands ensembles de données.O ( n logn )O(nlog⁡n)O(n\log n)O ( n )O(n)O(n) En revanche, les …

9 pca dimensionality-reduction large-data multidimensional-scaling tsne

1

Normalisation d'entrée pour les neurones ReLU

Selon "Efficient Backprop" de LeCun et al (1998), il est de bonne pratique de normaliser toutes les entrées afin qu'elles soient centrées autour de 0 et se situent dans la plage de la dérivée seconde maximale. Ainsi, par exemple, nous utiliserions [-0,5,0,5] pour la fonction "Tanh". C'est pour aider la …

9 machine-learning neural-networks normalization deep-learning multidimensional-scaling

Questions marquées «multidimensional-scaling»