Python
Java
PHP
IOS
Android
Nodejs
JavaScript
Html5
Windows
Ubuntu
Linux
使用 PCA 时出现数学域错误
我正在使用 python 的 scikit learn 包来实现 PCA 我正在学习数学 domain error C Users Akshenndra Anaconda2 lib site packages sklearn decompo
python
scikitlearn
PCA
R 中主成分载荷的置信区间
我使用以下代码使用 R 中的 prcomp 函数对 iris 数据集的前 4 列进行主成分分析 gt prcomp iris 1 4 Standard deviations 1 2 0562689 0 4926162 0 2796596 0
r
PCA
confidenceinterval
用颜色绘制 PCA 分数
我正在做 PCA 我想在 R 中绘制第一个主成分与第二个主成分的关系 pca lt princomp data data na action na omit plot pca scores 1 pca scores 2 或者可能是几个主要组
r
PCA
PCA 中第一个分量覆盖的 99% 方差的显着性
当第一个分量覆盖 PCA 分析中总方差的 99 以上时 这意味着什么 我有一个大小为 500X1000 的特征向量 我在其中使用了 Matlab 的 pca 函数 该函数返回 coeff score latent tsquared expl
MATLAB
PCA
使用PCA选择特征
我正在做无监督分类 为此 我有 8 个特征 绿色方差 绿色标准差 红色平均值 红色方差 红色标准差 色调平均值 色调方差 色调标准差 用于分类每个图像 我想使用 PCA 选择 3 个最重要的特征 我编写了以下代码用于特征选择 其中特征尺寸为
Algorithm
MATLAB
imageprocessing
PCA
psych::principal - 旋转(主要)组件的顺序和命名的解释
Let x是一个样本数据框 set seed 0 x lt replicate 4 rnorm 10 PCA 使用principal函数从psych包将产生 gt principal x nf 4 rotate none PC1 PC2 P
r
PCA
PCA 分析后的特征/变量重要性
我对原始数据集进行了 PCA 分析 并根据 PCA 转换后的压缩数据集选择了我想要保留的 PC 数量 它们解释了几乎 94 的方差 现在 我正在努力识别缩减数据集中重要的原始特征 如何在降维后的剩余主成分中找出哪个特征重要 哪个特征不重要
python
machinelearning
scikitlearn
PCA
featureselection
keras 自动编码器与 PCA
我正在玩一个玩具示例来理解 PCA 与 keras 自动编码器 我有以下代码来理解PCA import numpy as np import matplotlib pyplot as plt from mpl toolkits mplot3
python27
Keras
PCA
autoencoder
类型错误网格搜索
我曾经创建循环来寻找模型的最佳参数 这增加了编码中的错误 所以我决定使用GridSearchCV 我正在尝试为我的模型找出 PCA 的最佳参数 我想要进行网格搜索的唯一参数 在这个模型中 归一化后 我想将原始特征与 PCA 缩减特征相结合
python
scikitlearn
SVM
PCA
Gridsearch
如何在 R caret 包中执行主成分回归后提取成分以进行进一步分析
我有一个包含 151 个变量的数据集 这些变量被发现具有很高的共线性 因此我通过执行以下操作对其进行主成分回归 ctrl lt trainControl method repeatedcv repeats 10 savePred T mod
PCA
rcaret
比较 R 中的 svd 和 princomp
我想要得到singular values of a matrix in R获取主成分 然后也使用 princomp x 来比较结果 我知道 princomp 会给出主要成分 Question 如何从 d u 和 v 中获取主成分 解决方案s
r
PCA
SVD
这是将训练集投影到特征空间的正确方法吗? MATLAB
我使用以下方法计算了 PCA function signals V pca2 data M N size data data reshape data M N 1 subtract off the mean for each dimensi
MATLAB
ComputerVision
SVM
facerecognition
PCA
滚动 PCA 并绘制主成分的比例方差
我使用以下代码来执行 PCA PCA lt prcomp Ret1 center TRUE scale TRUE summary PCA 我得到以下结果 Importance of components PC1 PC2 PC3 PC4 St
r
matrix
PCA
在 Python 中从图像中提取每个像素的 x,y 坐标
假设我有一个彩色图像 已将其加载到尺寸为 200 x 300 x 3 的 numpy 数组中 图像中总共有 60 000 个像素 我试图提取从开始的每个像素的宽度 高度 x y 坐标左上角表示像素 1 使得 pixel x y 1 0 0
python
pandas
opencv
imageprocessing
PCA
R:ggfortify:“自动绘图不支持 prcomp 类型的对象”
我正在尝试使用 ggfortify 来可视化我使用 prcomp 所做的 PCA 结果 示例代码 iris pca lt iris c 1 2 3 4 autoplot prcomp iris pca 错误 自动绘图不支持 prcomp 类
r
PCA
ggfortify
如何在PCA中白化矩阵
我正在使用 Python 并使用以下方法实现了 PCA本教程 一切都很好 我得到了协方差 我做了一个成功的变换 把它带到原来的尺寸不是问题 但如何进行美白呢 我尝试将特征向量除以特征值 S V numpy linalg eig cov V
python
PCA
scikits
Python 中的 OpenCV PCA 计算
我正在通过 OpenCV 在 Python 中 加载一组大小为 128x128 的测试图像 将它们重新整形为向量 1 128x128 并将它们全部放在一个矩阵中以计算 PCA 我正在使用新的 cv2 库 代码 import os impor
python
opencv
PCA
MATLAB 中的 SVM 可视化
在 Matlab 中执行 SVM 训练后 如何可视化 SVM 分类 到目前为止 我只用以下方法训练了 SVM Labels are 1 or 1 groundTruth Ytrain d xtrain model svmtrain grou
MATLAB
Classification
SVM
Libsvm
PCA
使用sklearn在PCA中恢复explained_variance_ratio_的特征名称
我正在尝试从使用 scikit learn 完成的 PCA 中恢复 which特征被选择为relevant IRIS 数据集的经典示例 import pandas as pd import pylab as pl from sklearn
python
machinelearning
scikitlearn
PCA
如何导出交互式 rgl 3D 图以共享或发布?
我使用 rgl 包在 R 中制作了交互式 3D 绘图 我希望能够将其发送 并保持交互 给同事 以便她可以在笔记本电脑上的会议中展示 旋转 有没有办法做到这一点 这是我用来生成绘图的代码 这是情节 library rgl plot3d pca
r
3d
PCA
rgl
«
1
2
3
4
5
»