Preguntas etiquetadas con distance-functions

Leí que "la distancia euclidiana no es una buena distancia en grandes dimensiones". Supongo que esta afirmación tiene algo que ver con la maldición de la dimensionalidad, pero ¿qué es exactamente? Además, ¿qué son las "altas dimensiones"? He estado aplicando agrupamiento jerárquico usando la distancia euclidiana con 100 características. ¿Hasta …

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

Cuando se utiliza el análisis de conglomerados en un conjunto de datos para agrupar casos similares, es necesario elegir entre una gran cantidad de métodos de agrupamiento y medidas de distancia. A veces, una opción puede influir en la otra, pero hay muchas combinaciones posibles de métodos. ¿Alguien tiene alguna …

73 clustering  distance-functions  methodology 

¿Hay un propósito específico en términos de eficiencia o funcionalidad por qué el algoritmo k-means no usa, por ejemplo, coseno (des) similitud como una métrica de distancia, sino que solo puede usar la norma euclidiana? En general, ¿cumplirá y será correcto el método K-means cuando se consideren o usen otras …

62 clustering  k-means  distance-functions  euclidean 

Suponga que se le dan dos objetos cuyas ubicaciones exactas se desconocen, pero se distribuyen de acuerdo con distribuciones normales con parámetros conocidos (por ejemplo, y b ∼ N ( v , t ) ) . Podemos suponer estos son ambos normales bivariantes, de manera que las posiciones se describen …

41 normal-distribution  distance-functions 

Puedo ver que hay muchas diferencias formales entre las medidas de distancia de Kullback-Leibler vs Kolmogorov-Smirnov. Sin embargo, ambos se usan para medir la distancia entre distribuciones. ¿Existe una situación típica en la que se debe usar uno en lugar del otro? ¿Cuál es la razón para hacerlo?

37 distributions  distance-functions  kolmogorov-smirnov  kullback-leibler 

En mi conjunto de datos tenemos variables continuas y naturalmente discretas. Quiero saber si podemos hacer agrupaciones jerárquicas usando ambos tipos de variables. Y si es así, ¿qué medida de distancia es apropiada?

34 clustering  similarities  distance-functions  mixed-type-data 

[El título inicial "Medición de similitud para árboles de agrupamiento jerárquico" fue cambiado más tarde por @ttnphns para reflejar mejor el tema] Estoy realizando una serie de análisis de conglomerados jerárquicos en un marco de datos de registros de pacientes (por ejemplo, similar a http://www.biomedcentral.com/1471-2105/5/126/figure/F1?highres=y ) Estoy experimentando con diferentes …

28 r  clustering  distance-functions  similarities  dendrogram 

Estoy buscando una buena terminología para describir lo que estoy tratando de hacer, para que sea más fácil buscar recursos. Entonces, supongamos que tengo dos grupos de puntos A y B, cada uno asociado a dos valores, X e Y, y quiero medir la "distancia" entre A y B, es …

28 multivariate-analysis  terminology  distance-functions 

En un entorno donde se observa distribuido desde una distribución con densidad , me pregunto si hay un estimador imparcial (basado en 's) de la distancia de Hellinger a otra distribución con densidad , a saber, 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 

Tengo un conjunto de datos donde cada dato consiste en nnn medidas diferentes. Para cada medida, tengo un valor de referencia. Me gustaría saber qué tan cerca está cada dato del valor de referencia. Pensé en usar la distancia euclidiana ponderada de esta manera: rex , b= ( ∑nortei = …

16 distance-functions 

Estoy usando la agrupación jerárquica para analizar datos de series de tiempo. Mi código se implementa usando la función MathematicaDirectAgglomerate[...] , que genera grupos jerárquicos con las siguientes entradas: una matriz de distancia D El nombre del método utilizado para determinar la vinculación entre clústeres. He calculado la matriz de …

15 clustering  distance-functions  ward 

Estoy agrupando distribuciones de probabilidad usando el algoritmo de Propagación de afinidad , y planeo usar la Divergencia de Jensen-Shannon como mi métrica de distancia. ¿Es correcto usar JSD en sí mismo como la distancia, o JSD al cuadrado? ¿Por qué? ¿Qué diferencias resultarían de elegir uno u otro?

15 machine-learning  clustering  entropy  distance-functions 

¿Alguien usa las métricas o para la agrupación, en lugar de ? Aggarwal et al., Sobre el sorprendente comportamiento de las métricas de distancia en el espacio de alta dimensión, dijeron (en 2001) queL1L1L_1L.5L.5L_.5L2L2L_2 L1L1L_1 es consistentemente más preferible que la métrica de distancia euclidiana para aplicaciones de minería de …

14 clustering  distance-functions  rule-of-thumb 

Solo estoy trabajando con el libro Inteligencia colectiva (de Toby Segaran) y encontré el puntaje de distancia euclidiana. En el libro, el autor muestra cómo calcular la similitud entre dos conjuntos de recomendaciones (es decir, .persona × película ↦ puntaje )person×movie↦score)\textrm{person} \times \textrm{movie} \mapsto \textrm{score}) Calcula la distancia euclidiana para …

13 distance-functions  similarities 

Nota: esta pregunta es una nueva publicación, ya que mi pregunta anterior tuvo que ser eliminada por razones legales. Al comparar PROC MIXED de SAS con la función lmedel nlmepaquete en R, me topé con algunas diferencias bastante confusas. Más específicamente, los grados de libertad en las diferentes pruebas difieren …

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