Preguntas etiquetadas con dimensionality-reduction

Cerrada . Esta pregunta necesita estar más centrada . Actualmente no está aceptando respuestas. ¿Quieres mejorar esta pregunta? Actualice la pregunta para que se centre en un problema solo editando esta publicación . Cerrado hace 4 años . Estoy trabajando en un proyecto y tengo dificultades para decidir qué algoritmo …

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 

Tengo 200 puntos de datos que tienen los mismos valores en todas las funciones. Después de la reducción de la dimensión t-SNE ya no se ven tan iguales, así: ¿Por qué no están en el mismo punto en la visualización e incluso parece estar distribuido en dos grupos diferentes?

9 visualization  dimensionality-reduction  tsne 

Estaba viendo algunos videos en línea sobre redes convolucionales, y el orador estaba discutiendo el concepto de pasar un filtro sobre una imagen. Él dijo, y también se muestra en la imagen a continuación, que "Profundidad = representación semántica". Esto suena bien, pero no estoy seguro de qué es tan …

8 neural-network  dimensionality-reduction  convnet