Pertanyaan yang diberi tag «distance-functions»

Saya membaca bahwa 'jarak Euclidean bukan jarak yang baik dalam dimensi tinggi'. Saya kira pernyataan ini ada hubungannya dengan kutukan dimensi, tetapi apa sebenarnya? Selain itu, apa itu 'dimensi tinggi'? Saya telah menerapkan pengelompokan hierarkis menggunakan jarak Euclidean dengan 100 fitur. Hingga berapa banyak fitur yang aman untuk menggunakan metrik …

241 machine-learning  clustering  distance-functions  metric  high-dimensional 

Ketika menggunakan analisis klaster pada kumpulan data untuk mengelompokkan kasus-kasus serupa, seseorang perlu memilih di antara sejumlah besar metode pengelompokan dan ukuran jarak. Terkadang, satu pilihan mungkin memengaruhi yang lain, tetapi ada banyak kemungkinan kombinasi metode. Apakah ada yang punya rekomendasi tentang bagaimana memilih di antara berbagai algoritma / metode …

73 clustering  distance-functions  methodology 

Apakah ada tujuan khusus dalam hal efisiensi atau fungsionalitas mengapa algoritma k-means tidak menggunakan misalnya cosine (dis) kesamaan sebagai metrik jarak, tetapi hanya dapat menggunakan norma Euclidean? Secara umum, akankah metode K-means patuh dan benar ketika jarak selain Euclidean dipertimbangkan atau digunakan? [Tambahan oleh @ttnphns. Pertanyaannya adalah dua kali lipat. …

62 clustering  k-means  distance-functions  euclidean 

Asumsikan Anda diberikan dua objek yang lokasi pastinya tidak diketahui, tetapi didistribusikan sesuai dengan distribusi normal dengan parameter yang diketahui (misalnya a∼N(m,s)a∼N(m,s)a \sim N(m, s) dan b∼N(v,t))b∼N(v,t))b \sim N(v, t)) . Kita dapat mengasumsikan ini adalah normal bivariat, sehingga posisinya dijelaskan oleh distribusi di atas (x,y)(x,y)(x,y) koordinat (yaitu mmm dan …

41 normal-distribution  distance-functions 

Saya dapat melihat bahwa ada banyak perbedaan formal antara ukuran jarak Kullback-Leibler vs Kolmogorov-Smirnov. Namun, keduanya digunakan untuk mengukur jarak antar distribusi. Apakah ada situasi khusus di mana satu harus digunakan dan bukan yang lain? Apa alasan untuk melakukannya?

37 distributions  distance-functions  kolmogorov-smirnov  kullback-leibler 

Dalam dataset saya, kami memiliki variabel diskrit kontinu dan alami. Saya ingin tahu apakah kita bisa melakukan pengelompokan hierarkis menggunakan kedua jenis variabel. Dan jika ya, ukuran jarak apa yang sesuai?

34 clustering  similarities  distance-functions  mixed-type-data 

[Judul awal "Pengukuran kesamaan untuk hierarki pohon clustering" kemudian diubah oleh @ttnphns untuk lebih mencerminkan topik] Saya melakukan sejumlah analisis kluster hierarkis pada kerangka data catatan pasien (misalnya mirip dengan http://www.biomedcentral.com/1471-2105/5/126/figure/F1?highres=y ) Saya bereksperimen dengan langkah-langkah jarak yang berbeda, bobot parameter yang berbeda dan metode hierarkis yang berbeda , untuk …

28 r  clustering  distance-functions  similarities  dendrogram 

Saya mencari beberapa terminologi yang bagus untuk menggambarkan apa yang saya coba lakukan, untuk membuatnya lebih mudah untuk mencari sumber daya. Jadi, katakan saya memiliki dua kelompok titik A dan B, masing-masing terkait dengan dua nilai, X dan Y, dan saya ingin mengukur "jarak" antara A dan B - yaitu …

28 multivariate-analysis  terminology  distance-functions 

Dalam pengaturan di mana seseorang mengamati didistribusikan dari distribusi dengan kepadatan , saya ingin tahu apakah ada penduga yang tidak bias (berdasarkan ) dari jarak Hellinger ke distribusi lain dengan kepadatan , yaitu X1,…,XnX1,…,XnX_1,\ldots,X_nfffXiXiX_if0f0f_0H(f,f0)={1−∫Xf(x)f0(x)−−−−−−−−√dx}1/2.H(f,f0)={1−∫Xf(x)f0(x)dx}1/2. \mathfrak{H}(f,f_0) = \left\{ 1 - \int_\mathcal{X} \sqrt{f(x)f_0(x)} \text{d}x \right\}^{1/2}\,.

20 pdf  unbiased-estimator  distance-functions  functional-data-analysis  hellinger 

Saya memiliki satu set data di mana setiap data terdiri dari nnn ukuran berbeda. Untuk setiap ukuran, saya memiliki nilai tolok ukur. Saya ingin tahu seberapa dekat setiap data dengan nilai tolok ukur. Saya berpikir untuk menggunakan Weighted Euclidean Distance seperti ini: dx , b= ( ∑ni = 1wsaya( xsaya- …

16 distance-functions 

Saya mengelompokkan distribusi probabilitas menggunakan algoritme Affinity Propagation , dan saya berencana untuk menggunakan Jensen-Shannon Divergence sebagai metrik jarak saya. Apakah benar menggunakan JSD itu sendiri sebagai jarak, atau JSD kuadrat? Mengapa? Apa perbedaan yang dihasilkan dari memilih satu atau yang lain?

15 machine-learning  clustering  entropy  distance-functions 

I am using hierarchical clustering to analyze time series data. My code is implemented using the Mathematica function DirectAgglomerate[...], which generates hierarchical clusters given the following inputs: a distance matrix D the name of the method used to determine inter-cluster linkage. I have calculated the distance matrix D using Manhattan …

15 clustering  distance-functions  ward 

Apakah ada yang menggunakan metrik atau L .5 untuk pengelompokan, bukan L 2 ? Aggarwal et al., Tentang perilaku mengejutkan metrik jarak dalam ruang dimensi tinggi mengatakan (pada 2001) ituL1L1L_1L.5L.5L_.5L2L2L_2 secara konsisten lebih disukai daripada metrik jarak Euclidean L 2 untuk aplikasi penambangan data dimensi tinggiL1L1L_1L2L2L_2 dan mengklaim bahwa atau …

14 clustering  distance-functions  rule-of-thumb 

Saya hanya bekerja dengan buku Collective Intelligence (oleh Toby Segaran) dan menemukan skor jarak Euclidean. Dalam buku ini penulis menunjukkan bagaimana menghitung kesamaan antara dua array rekomendasi (yaitu skor .orang × film ↦ skor )person×movie↦score)\textrm{person} \times \textrm{movie} \mapsto \textrm{score}) Dia menghitung jarak Euclidean untuk dua orang, dan p 2 dengan …

13 distance-functions  similarities 

Catatan: pertanyaan ini adalah repost, karena pertanyaan saya sebelumnya harus dihapus karena alasan hukum. Sambil membandingkan PROC CAMPURAN dari SAS dengan fungsi lmedari nlmepaket di R, saya menemukan beberapa perbedaan yang agak membingungkan. Lebih khusus lagi, derajat kebebasan dalam berbagai tes berbeda antara PROC MIXEDdan lme, dan saya bertanya-tanya mengapa. …

12 r  mixed-model  sas  degrees-of-freedom  pdf  unbiased-estimator  distance-functions  functional-data-analysis  hellinger  time-series  outliers  c++  relative-risk  absolute-risk  rare-events  regression  t-test  multiple-regression  survival  teaching  multiple-regression  regression  self-study  t-distribution  machine-learning  recommender-system  self-study  binomial  standard-deviation  data-visualization  r  predictive-models  pearson-r  spearman-rho  r  regression  modeling  r  categorical-data  data-visualization  ggplot2  many-categories  machine-learning  cross-validation  weka  microarray  variance  sampling  monte-carlo  regression  cross-validation  model-selection  feature-selection  elastic-net  distance-functions  information-theory  r  regression  mixed-model  random-effects-model  fixed-effects-model  dataset  data-mining