Публикации по теме 'dimensionality-reduction'
Уменьшить размеры
Но почему ! Давайте выясним
Уменьшение размерности — самый важный инструмент, который должен быть в кармане специалиста по данным. Это удобно, когда вам приходится иметь дело с большим количеством измерений, и вам трудно с ними справляться.
Некоторые варианты использования
Мы можем использовать алгоритмы уменьшения размерности, чтобы лучше суммировать данные. Методы уменьшения данных также будут полезны при обнаружении аномалий, визуализации многомерных данных, сжатии изображений и т...
Кластеризация инсайдеров-клиентов — CRISP02_Dimensionity_reduction
Ссылка на блокнот и git-репозиторий этого проекта.
В прошлом посте мы получили следующие кластеры для клиентов нашей компании:
При кластеризации клиентов с помощью алгоритма K-средних было ясно, что большинство клиентов не были хорошо представлены тремя функциями, созданными при разработке функций, поскольку более 99% из них были помечены в одном кластере. Итак, в этом новом цикле CRISP я работал над проектированием признаков и подготовкой данных, масштабированием..
Подробное руководство по PCA с помощью NumPy
С помощью анализа собственных значений
Анализ главных компонентов (далее PCA) — один из самых популярных методов уменьшения размерности, используемых в машинном обучении.
Он считается методом линейного уменьшения размерности, поскольку он находит линейную комбинацию входных признаков в форме более низкого измерения.
Gotta Map ’em All: уменьшение размерности данных о покемонах с использованием R
Недавно было проведено исследование взрослых, которые много играли в игры про покемонов в детстве. МРТ-сканирование выявило целую область в их мозгу, предназначенную для распознавания покемонов. По словам первого автора исследования Джесси Гомеса, игры про покемонов вознаграждают вас за индивидуализацию сотен персонажей, что было бы невозможно без специального региона.
Правда в том, что у каждого покемона есть свои характеристики, такие как способности, внешний вид, имя и многое другое...
Сделаны более легкие контролируемые случайные прогнозы
Специалисты по обработке данных и специалисты по машинному обучению сталкиваются с все более крупными наборами данных. Закон Мура, каким мы его знаем, находится на смертном одре; мы не можем больше рассчитывать на достаточное увеличение классических вычислений и емкости хранения. Новое оборудование и интеллектуальные алгоритмы - часть ответа. В LightOn мы разрабатываем инновационное оборудование, и в сегодняшней статье в блоге будет рассказано, как мы объединяем его с новым особенно..
9 методов уменьшения размерности, которые вы должны знать в 2023 году
Все, что вам нужно для уменьшения размерности ваших данных
В настоящее время большинство задач машинного обучения включают в себя тысячи или даже миллионы функций для каждого обучающего экземпляра. Хотя это дает моделям возможность изучать полезные закономерности и извлекать из данных полезную информацию, это делает обучение чрезвычайно медленным, и гораздо сложнее найти хорошее решение. Эту проблему часто называют проклятием размерности, которое будет обсуждаться позже. К счастью, в..
Вопросы по теме 'dimensionality-reduction'
Могу ли я использовать t-SNE, если измерение больше, чем количество данных?
Я использую t-SNE с кодом Matlab с этого веб-сайта ( https://lvdmaaten.github.io/tsne). / ). Однако возникает ошибка всякий раз, когда я запускаю эту программу с размером данных, превышающим количество данных. Приведенный ниже код - это код,...
29.10.2023
Sklearn PCA, как восстановить среднее значение в более низком измерении?
Этот вопрос касается того, как децентрировать и «восстановить» данные в более низком измерении после выполнения PCA.
Я делаю простой анализ основных компонентов с sklearn. Насколько я понимаю, реализация должна позаботиться о (1) центрировании...
20.01.2024
Новые материалы
Кластеризация: более глубокий взгляд
Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..
Как написать эффективное резюме
Предложения по дизайну и макету, чтобы представить себя профессионально
Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..
Частный метод Python: улучшение инкапсуляции и безопасности
Введение
Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..
Как я автоматизирую тестирование с помощью Jest
Шутка для победы, когда дело касается автоматизации тестирования
Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..
Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv)
Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..
Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..
Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..