pca

    1

    1답변

    PCA를 사용하여 k- 평균 알고리즘 구현을 시각화하려고합니다. 나는 주 구성 요소 계수, 점수 및 분산에 대한 자습서를 this link에 있습니다. 다음 명령을 사용하고 있습니다. [coeff,score,~]=pca(X'); 여기서 X는 내 데이터입니다. 내 데이터는 30 x 455 행렬입니다. 즉, 455 개의 샘플을 가진 30 개의 피쳐입니다. 필자

    -2

    1답변

    내 세트의 치수를 줄이기 위해 PCA 및/또는 딥 자동 코드를 사용하고 있습니다.하지만 제 질문은 세트의 치수를 줄이는 대신 가능한 것입니다. 또는이 치수의 피쳐 이름을 수신하는 방법은 무엇입니까? ? 예를 들어 : encoded_out[0:2] out: array([[ 3.74947715, 0. , 3.22947764], [ 3.93903

    0

    1답변

    SIFT와 SVM을 사용하여 이미지를 두 클래스로 나눕니다. 은과 결함입니다. 이미지 유형에 따라 5 ~ 100 개의 SIFT 설명자를 추출 할 수 있습니다. 다음은 지금까지 다음 한 단계는 다음과 같습니다 추출 (의 변수 번호) 이미지에서 기능을 SIFT는; 모든 이미지에서 일정한 수의 벡터 (K-Means center)를 갖기 위해 K-Means 클러스

    0

    1답변

    PCA를 벡터에 적용 할 수 없다고 생각하지만, this paper 및 this과 같이 각 웨이브 렛 서브 밴드에 PCA를 적용한 일부 논문을 찾았습니다. 웨이블릿 서브 밴드가 벡터이므로 PCA를 어떻게 적용 할 수 있습니까? 사전에 당신은 또한 (1D) 벡터이다 EEG와 ECG 신호에 대한 있습니다 언급

    0

    1답변

    다음 플롯에서 내 세 그룹 ("결과"변수를 기반으로) 주위에 타원을 추가하고 싶습니다. 그 VSD를 참고 요인의 결과 및 배치와 DESeq2 개체입니다 : pcaData <- plotPCA(vsd, intgroup=c("outcome", "batch"), returnData=TRUE) percentVar <- round(100 * attr(pcaData,

    1

    1답변

    나는 전형적인 R 플롯의 큰 팬이다. 오늘 나는 biplot을 만들어야 만한다. 그러나 전형적인 biplot은 추악하다. 다른 패키지를 사용하지 않고 더 예쁘게 만들고 타원을 그릴 수있는 방법이 있습니까? 만약 가능하지 않다면 고전적인 R 플롯으로 어떻게 그려 볼 수 있습니까? DF <- iris PCA <- prcomp(DF[,c(1:4)], scale

    0

    1답변

    유전 알고리즘을 사용하여 최적화 문제를 최적화하고 싶습니다. 그러나 변수의 수는 많습니다. (1500 ~ 2000 년경). 주성분 분석을 사용하고 변수 (입력)의 수를 20 개 또는 30 개로 줄이고 MATLAB의 유전 알고리즘을 사용하여 최적화 할 수 있습니까? 합리적으로 정확한 최적 값을 얻을 수 있습니까?

    -2

    1답변

    나는 pcacov (20000 * 20000 매트릭스) 입력 매개 변수와 MATLAB에 pcacov 명령을 사용하지만, MATLAB 메모리 및 표시 오류와 헨델 수 없습니다 pcacov matlab Out of memory. Type HELP MEMORY for your options. 가 어떻게이 문제를 해결할 수 코딩 또는 matlab에 설정 및 추가

    0

    1답변

    PCA를 사용하여 차원 축소를 수행하면 교육 데이터의 크기가 1200000이고 차원이 335입니다. 여기에 모델을 훈련하는 내 코드는 X, y = load_data(f_file1) valid_X, valid_y = load_data(f_file2) pca = PCA(n_components=n_compo, whiten=True) X = pca.fit_

    0

    1답변

    필자는 크기 [4096 x 180]의 특징 벡터를 가지고 있습니다. 여기서 180은 샘플 수이고 4096은 각 샘플의 특징 벡터 길이입니다. 나는 PCA를 사용하여 데이터의 차원을 줄이려고합니다. MATLAB [V U]=pca(X)의 pca 내장 함수를 사용하고 X_rec= U(:, 1:n)*V(:, 1:n)', n으로 데이터를 재구성 해 보았습니다. 어떻