Questions tagged «pca»

如何为PCA选择K？K是要向下投影的尺寸数。唯一的要求是不要丢失太多信息。我了解这取决于数据，但我希望更多地了解有关选择K时应考虑哪些特征的简单概述。

12 pca 

我正在为一个应用程序制作原型，我需要一个语言模型来计算一些生成的句子的困惑度。 我可以随时使用经过训练的python语言模型吗？简单的东西 model = LanguageModel('en') p1 = model.perplexity('This is a well constructed sentence') p2 = model.perplexity('Bunny lamp robert junior pancake') assert p1 < p2 我看过一些框架，但找不到我想要的。我知道我可以使用类似： from nltk.model.ngram import NgramModel lm = NgramModel(3, brown.words(categories='news')) 这在Brown Corpus上使用了很好的图林概率分布，但是我正在一些大型数据集（例如1b单词数据集）上寻找精心设计的模型。我可以真正相信一般领域的结果（不仅是新闻）

11 python  nlp  language-model  r  statistics  linear-regression  machine-learning  classification  random-forest  xgboost  python  sampling  data-mining  orange  predictive-modeling  recommender-system  statistics  dimensionality-reduction  pca  machine-learning  python  deep-learning  keras  reinforcement-learning  neural-network  image-classification  r  dplyr  deep-learning  keras  tensorflow  lstm  dropout  machine-learning  sampling  categorical-data  data-imputation  machine-learning  deep-learning  machine-learning-model  dropout  deep-network  pandas  data-cleaning  data-science-model  aggregation  python  neural-network  reinforcement-learning  policy-gradients  r  dataframe  dataset  statistics  prediction  forecasting  r  k-means  python  scikit-learn  labels  python  orange  cloud-computing  machine-learning  neural-network  deep-learning  rnn  recurrent-neural-net  logistic-regression  missing-data  deep-learning  autoencoder  apache-hadoop  time-series  data  preprocessing  classification  predictive-modeling  time-series  machine-learning  python  feature-selection  autoencoder  deep-learning  keras  tensorflow  lstm  word-embeddings  predictive-modeling  prediction  machine-learning-model  machine-learning  classification  binary  theory  machine-learning  neural-network  time-series  lstm  rnn  neural-network  deep-learning  keras  tensorflow  convnet  computer-vision 

该matplotlib库是非常有能力，但缺乏互动性，尤其是里面Jupyter笔记本。我想一个好的离线绘图工具一样plot.ly。

11 python  visualization  pca  jupyter 

我知道主成分分析是一种降维技术，即给定10个输入特征，它将产生较少数量的独立特征，这些特征是原始特征的正交和线性变换。 是PCA由本身视为学习算法或它是一个数据预处理步骤。

10 machine-learning  pca 

我有一组由约40个维度的时间序列（8个点）组成的数据（因此每个时间序列为8 x 40）。对应的输出（类别的可能结果）为0或1。 设计具有多个维度的时间序列的分类器的最佳方法是什么？ 我最初的策略是从这些时间序列中提取特征：均值，标准差，每个维度的最大变化。我获得了用于训练RandomTreeForest的数据集。意识到这一点的天真之处，并且在获得较差的结果之后，我现在正在寻找一种更好的模型。 我的线索如下：对每个维度进行系列分类（使用KNN算法和DWT），使用PCA降低维度，并沿多维类别使用最终分类器。作为ML的新手，我不知道自己是否完全错了。

9 classification  time-series  pca