Pertanyaan yang diberi tag «numerics»

Saya biasanya mendengar tentang "kotak paling tidak biasa". Apakah itu algoritma yang paling banyak digunakan digunakan untuk regresi linier? Apakah ada alasan untuk menggunakan yang berbeda?

42 regression  least-squares  algorithms  computational-statistics  numerics 

Saya belajar PCA dari kursus Andrew Ng's Coursera dan materi lainnya. Dalam tugas pertama Stanford NLP kursus cs224n , dan dalam video ceramah dari Andrew Ng , mereka melakukan dekomposisi nilai singular bukan dekomposisi vektor eigen dari matriks kovarians, dan Ng bahkan mengatakan bahwa SVD secara numerik lebih stabil daripada …

29 pca  linear-algebra  svd  eigenvalues  numerics 

Apa cara terbaik untuk menghitung dekomposisi nilai singular (SVD) dari matriks positif yang sangat besar (65M x 3.4M) di mana data sangat jarang? Kurang dari 0,1% dari matriks adalah nol. Saya butuh cara itu: akan masuk ke dalam memori (saya tahu bahwa ada metode online) akan dihitung dalam waktu yang …

26 svd  numerics 

Saya mengamati perilaku yang sangat aneh dalam hasil SVD dari data acak, yang dapat saya tiru di Matlab dan R. Sepertinya beberapa masalah numerik di perpustakaan LAPACK; Apakah itu? Saya menarik n=1000n=1000n=1000 sampel dari k=2k=2k=2 dimensi Gaussian dengan nol mean dan kovarian identitas: X∼N(0,I)X∼N(0,I)X\sim \mathcal N (0, \mathbf I) . …

21 pca  svd  linear-algebra  numerics 

Baru-baru ini saya membaca buku Skillicorn tentang dekomposisi matriks, dan sedikit kecewa, karena ditargetkan untuk audiens sarjana. Saya ingin mengkompilasi (untuk saya dan orang lain) bibliografi singkat dari makalah penting (survei, tetapi juga makalah terobosan) pada dekomposisi matriks. Apa yang ada dalam pikiran saya terutama adalah sesuatu pada SVD / …

18 matrix-decomposition  svd  numerics 

Misalkan saya memiliki matriks padat AA \textbf{A} dari m×nm×nm \times n ukuran, dengan SVD dekomposisiDalam Aku dapat menghitung SVD sebagai berikut: .A=USV⊤.A=USV⊤.\mathbf{A}=\mathbf{USV}^\top.Rsvd(A) Jika baris baru ditambahkan ke , dapatkah seseorang menghitung dekomposisi SVD baru berdasarkan yang lama (yaitu dengan menggunakan , , dan ), tanpa menghitung ulang SVD dari awal?A …

17 algorithms  svd  linear-algebra  matrix-decomposition  numerics 

Artikel Wikipedia tentang analisis komponen utama menyatakan itu Algoritma yang efisien ada untuk menghitung SVD tanpa harus membentuk matriks X T X , jadi menghitung SVD sekarang menjadi cara standar untuk menghitung analisis komponen utama dari matriks data, kecuali hanya segelintir komponen yang diperlukan.XXXXTXXTXX^TX Bisakah seseorang memberi tahu saya apa …

17 pca  algorithms  svd  numerics 

Mungkin di luar topik di sini, tetapi sudah ada beberapa ( satu , dua ) pertanyaan terkait. Mengaduk-aduk dalam literatur (atau pencarian google untuk Algoritma SVD Terpotong) muncul banyak makalah yang menggunakan SVD terpotong dalam berbagai cara, dan klaim (frustasi, sering tanpa kutipan) bahwa ada algoritma cepat untuk menghitungnya, tetapi …

14 algorithms  svd  numerics 

TL; DR: lme4optimasi tampaknya linier dalam jumlah parameter model secara default, dan jauh lebih lambat daripada glmmodel yang setara dengan variabel dummy untuk grup. Apakah ada yang bisa saya lakukan untuk mempercepatnya? Saya mencoba menyesuaikan model logit hierarkis yang cukup besar (~ baris 50k, 100 kolom, 50 grup). Memasukkan model …

12 r  mixed-model  optimization  lme4-nlme  numerics 

Tutup. Pertanyaan ini di luar topik . Saat ini tidak menerima jawaban. Ingin meningkatkan pertanyaan ini? Perbarui pertanyaan sehingga sesuai topik untuk Cross Validated. Ditutup 2 tahun yang lalu . Menunggu kursus selanjutnya Andrew Ng di Coursera, saya mencoba memprogram classifier Python dengan fungsi softmax pada layer terakhir untuk memiliki …

11 softmax  numerics 

Saya mencoba menerapkan estimasi numerik Kullback-Leibler Divergence untuk dua sampel. Untuk debug implementasi, ambil sampel dari dua distribusi normal dan .N ( 1 , 2 )N(0,1)N(0,1)\mathcal N (0,1)N(1,2)N(1,2)\mathcal N (1,2) Untuk perkiraan sederhana saya menghasilkan dua histogram dan mencoba untuk memperkirakan secara integral numerik. Saya terjebak dengan menangani bagian-bagian histogram …

10 estimation  intuition  kullback-leibler  numerics 

Saya mencari untuk mengelompokkan / menggabungkan node dalam grafik menggunakan pengelompokan grafik di 'r'. Ini adalah variasi mainan yang menakjubkan dari masalah saya. Ada dua "cluster" Ada "jembatan" yang menghubungkan cluster Berikut ini adalah jaringan kandidat: Ketika saya melihat jarak koneksi, "hopcount", jika Anda mau, maka saya bisa mendapatkan matriks …

10 r  clustering  data-visualization  numerics 

Motivasi : Saya sedang menulis estimator keadaan di MATLAB (filter Kalman tanpa pewangi), yang menyerukan pembaruan akar kuadrat (segitiga-atas) dari matriks kovarians pada setiap iterasi (yaitu, untuk matriks kovarian , memang benar bahwa ). Agar saya dapat melakukan perhitungan yang diperlukan, saya perlu melakukan Update dan Downdate Cholesky Rank-1 menggunakan …

9 matlab  covariance-matrix  numerics 

Masalahnya berasal dari halaman 377-379 dari makalah ini [0] . Diberikan distribusi berkelanjutan FFF dan diperbaiki z∈Rz∈Rz\in\mathbb{R}, pertimbangkan: Lz(t)=PF(|z−Z|≤t)Lz(t)=PF(|z−Z|≤t)L_z(t)=P_F(|z-Z|\leq t) dan H(z)=L−1z(0.5)=medZ∼F|z−Z|H(z)=Lz−1(0.5)=medZ∼F|z−Z|H(z)=L^{-1}_z(0.5)=\underset{Z\sim F}{\mbox{med}}|z-Z| dimana L−1z(u)=inf{t:Lz(t)>u}Lz−1(u)=inf{t:Lz(t)>u}L^{-1}_z(u)=\inf\{t:L_z(t)>u\}adalah kebalikan terus menerus yang tepat. Jadi untuk z tetap zzz, ini adalah jarak median semua Z∼FZ∼FZ\sim F ke zzz . Selanjutnya, pertimbangkan fungsinya: L(t)=PF(H(Z)≤t)L(t)=PF(H(Z)≤t)L(t)=P_F(H(Z)\leq t) …

8 mathematical-statistics  quantiles  cdf  numerics  quantile-function 

Misalkan saya memiliki fungsi seperti: f <- function(x){ exp(x) / (1 + exp(x)) } itu seharusnya bekerja untuk setiap nilai nyata x, tetapi sebenarnya mengembalikan NaN ketika x adalah 710 atau lebih besar. Saya bertanya-tanya apa cara yang tepat untuk menangani masalah ini. Saya menyadari mudah untuk membuatnya hanya mengembalikan …

8 r  function  numerics