Публикации по теме 'principal-component'
Наука о данных: вычисление собственных векторов — кругов Гершгорина.
Присоединяйтесь к Medium по моей реферальной ссылке — apply.math.coding Получите доступ ко всем моим историям и тысячам других на Medium от других авторов. По моему глубокому убеждению, Medium — это… applied-math-coding.medium.com
Эта история является частью моей серии Наука о данных .
Важный метод для понимания в области статистики и науки о данных….PCA
Привет всем, Ребята, вы не понимаете, что это за PCA? Хотите узнать больше об этом? Давайте узнаем о PCA в этой статье.
Прежде чем мы начнем с PCA, давайте узнаем о машинном обучении.
Машинное обучение:
Машинное обучение — это область искусственного интеллекта (ИИ) и компьютерных наук, которая использует данные и алгоритмы для имитации того, как люди учатся, постепенно повышая свою точность.
То есть это метод анализа данных, который автоматизирует построение аналитической..
Наука о данных: вычисление собственных векторов — реализация QR-алгоритма.
Присоединяйтесь к Medium по моей реферальной ссылке — apply.math.coding Получите доступ ко всем моим историям и тысячам других на Medium от других авторов. По моему глубокому убеждению, Medium — это… applied-math-coding.medium.com
Эта история является частью моей серии Наука о данных .
Анализ основных компонентов с нуля в Python
Что такое PCA на самом деле?
Это один из наиболее важных алгоритмов в ML для уменьшения размеров (атрибутов/столбцов). Он использует простые операции из строки.
Он использует статистику для расчета проекции исходных данных на то же или меньшее число измерений. PCA представлен матрицей размера m x n A.
Матрица A, которая приводит к проекции A, которая вызовет B.
A= ( a11 ,a12
a21, a22
a31, a32)
B = PCA (A)
Шаги, которые необходимо выполнить, чтобы выполнить анализ с..
Маурицио Сарри и редукция размерности
Путешествие по анализу главных компонентов с тренером Маурицио Сарри
Маурицио и мир в его заметках
Маурицио Сарри всегда был дотошным и внимательным к деталям тренером. Он гордится своей работой и всегда ищет способы улучшить ее. Однажды, после особенно сложного матча, он поймал себя на том, что размышляет о том, что было правильно, а что нет. Размышляя о различных играх и стратегиях, которые использовались, он понял…
Уменьшение размерности «за кадром»: как работают самые популярные алгоритмы?
Давайте начнем с выборочного набора данных, содержащего экспрессию генов в здоровых тканях легких для 604 пациентов.
В этом примере каждая строка представляет экспрессию гена для каждого пациента, а каждый столбец представляет экспрессию каждого гена у пациентов. Как видно из описания внизу таблицы, у нас есть p=16470 атрибуты или функции для каждого из n=604 пациенты. Обратите внимание, что в этом примере гораздо больше признаков, чем пациентов, что является обычным..
Избавьтесь от проклятия размерности с помощью анализа главных компонентов (PCA)
По сути, если у нас есть огромное количество необработанных данных с высокой размерностью для работы, у нас в основном есть много противоречивых и избыточных функций, которые не будут очень полезны для данных, но могут не только увеличить время вычислений, но и усложнить во время исследовательского анализа данных и обработка данных. Это явление называется Проклятие размерности . Чтобы преодолеть эту проблему, мы должны уменьшить/отбросить функции, которые не важны, мы можем добиться этого,..