Pertanyaan yang diberi tag «dimensionality-reduction»

Ditutup . Pertanyaan ini perlu lebih fokus . Saat ini tidak menerima jawaban. Ingin meningkatkan pertanyaan ini? Perbarui pertanyaan sehingga berfokus pada satu masalah hanya dengan mengedit posting ini . Ditutup 4 tahun yang lalu . Saya sedang mengerjakan suatu proyek dan saya mengalami kesulitan dalam menentukan algoritma mana yang …

10 machine-learning  algorithms  random-forest  linear-regression  decision-trees  machine-learning  predictive-modeling  forecast  r  clustering  similarity  data-mining  dataset  statistics  text-mining  text-mining  data-cleaning  data-wrangling  machine-learning  classification  algorithms  xgboost  data-mining  dataset  dataset  regression  graphs  svm  unbalanced-classes  cross-validation  optimization  hyperparameter  genetic-algorithms  visualization  predictive-modeling  correlation  machine-learning  predictive-modeling  apache-spark  statistics  normalization  apache-spark  map-reduce  r  correlation  confusion-matrix  r  data-cleaning  classification  terminology  dataset  image-classification  machine-learning  regression  apache-spark  machine-learning  data-mining  nlp  parsing  machine-learning  dimensionality-reduction  visualization  clustering  multiclass-classification  evaluation  unsupervised-learning  machine-learning  machine-learning  data-mining  supervised-learning  unsupervised-learning  machine-learning  data-mining  classification  statistics  predictive-modeling  data-mining  clustering  python  pandas  machine-learning  dataset  data-cleaning  data  bigdata  software-recommendation 

Saya memiliki 200 titik data yang memiliki nilai yang sama pada semua fitur. Setelah pengurangan dimensi t-SNE mereka tidak terlihat begitu sama lagi, seperti ini: Mengapa mereka tidak berada pada titik yang sama dalam visualisasi dan bahkan tampaknya didistribusikan dalam dua kelompok yang berbeda?

9 visualization  dimensionality-reduction  tsne 

Saya menonton beberapa video online tentang jaringan konvolusional, dan pembicara sedang mendiskusikan konsep menjalankan filter di atas gambar. Dia berkata, dan juga ditunjukkan pada gambar di bawah, bahwa "Kedalaman = Representasi semantik". Ini kedengarannya bagus, tapi saya tidak yakin apa yang istimewa tentang mengurangi dimensi spasial gambar demi peningkatan kedalaman? …

8 neural-network  dimensionality-reduction  convnet