Preguntas etiquetadas con multidimensional-scaling

¿En qué se diferencian PCA y MDS clásico? ¿Qué tal MDS versus MDS no métrico? ¿Hay algún momento en el que preferirías uno sobre el otro? ¿Cómo difieren las interpretaciones?

133 pca  multidimensional-scaling  pcoa 

Una buena práctica común en Machine Learning es hacer la normalización de características o la estandarización de datos de las variables predictoras, eso es todo, centrar los datos restando la media y normalizarlos dividiendo por la varianza (o la desviación estándar también). Para la autocontención y, a mi entender, hacemos …

52 machine-learning  normalization  standardization  multidimensional-scaling 

Estoy tratando de predecir el resultado de un sistema complejo utilizando redes neuronales (ANN). Los valores de resultado (dependientes) oscilan entre 0 y 10,000. Las diferentes variables de entrada tienen diferentes rangos. Todas las variables tienen distribuciones más o menos normales. Considero diferentes opciones para escalar los datos antes del …

40 machine-learning  neural-networks  multidimensional-scaling 

Para el LASSO (y otros procedimientos de selección de modelos) es crucial reescalar los predictores. La recomendación general que sigo es simplemente usar una normalización de media 0 desviación estándar 1 para variables continuas. Pero, ¿qué hay que ver con los maniquíes? Por ejemplo, algunos ejemplos aplicados de la misma …

30 predictive-models  model-selection  lasso  standardization  multidimensional-scaling 

He estado leyendo algunas preguntas sobre t-SNE ( t-Distributed Stochastic Neighbor Embedded ) últimamente, y también visité algunas preguntas sobre MDS ( Multidimensional Scaling ). A menudo se usan de manera análoga, por lo que parecía una buena idea hacer esta pregunta, ya que aquí hay muchas preguntas sobre ambas …

21 data-visualization  dimensionality-reduction  multidimensional-scaling  tsne 

Comprendo t-SNE y la aproximación de Barnes-Hut es que se requieren todos los puntos de datos para que todas las interacciones de fuerza se puedan calcular al mismo tiempo y cada punto se pueda ajustar en el mapa 2d (o de dimensión inferior). ¿Hay alguna versión de t-sne que pueda …

19 data-visualization  dimensionality-reduction  multidimensional-scaling  tsne 

Recientemente me encontré con escalamiento multidimensional. Estoy tratando de comprender mejor esta herramienta y su papel en las estadísticas modernas. Aquí hay algunas preguntas orientadoras: ¿Qué preguntas responde? ¿Qué investigadores a menudo están interesados ​​en usarlo? ¿Existen otras técnicas estadísticas que realizan funciones similares? ¿Qué teoría se desarrolla a su …

18 multidimensional-scaling 

Utilicé randomForest para clasificar 6 comportamientos de animales (p. Ej., Estar de pie, caminar, nadar, etc.) en base a 8 variables (diferentes posturas corporales y movimiento). El MDSplot en el paquete randomForest me da este resultado y tengo problemas para interpretar el resultado. Hice un PCA con los mismos datos …

14 r  classification  random-forest  multidimensional-scaling 

Quiero agrupar un conjunto de datos masivo para el que solo tengo las distancias por pares. Implementé un algoritmo k-medoids, pero está tardando demasiado en ejecutarse, así que me gustaría comenzar reduciendo la dimensión de mi problema aplicando PCA. Sin embargo, la única forma en que sé realizar este método …

12 pca  dimensionality-reduction  multidimensional-scaling 

Tengo un conjunto de puntos de datos en un espacio N-dimensional. Además, también tengo un centroide en este mismo espacio N-dimensional. ¿Hay algún enfoque que me permita proyectar estos puntos de datos en un espacio bidimensional mientras mantengo su información de distancia relativa en el espacio original? ¿Es PCA la …

11 data-visualization  pca  multidimensional-scaling 

Estoy usando indexación semántica latente para encontrar similitudes entre documentos (¡ gracias, JMS! ) Después de la reducción de dimensiones, probé la agrupación de k-means para agrupar los documentos en grupos, lo que funciona muy bien. Pero me gustaría ir un poco más lejos y visualizar los documentos como un …

11 data-visualization  clustering  python  multidimensional-scaling 

Teniendo en cuenta la cantidad constante de características, Barnes-Hut t-SNE tiene una complejidad de , las proyecciones aleatorias y PCA tienen una complejidad de hace "asequibles" para conjuntos de datos muy grandes.O(nlogn)O(nlog⁡n)O(n\log n)O(n)O(n)O(n) Por otro lado, los métodos que se basan en el escalamiento multidimensional tienen una complejidad .O(n2)O(n2)O(n^2) ¿Existen …

9 pca  dimensionality-reduction  large-data  multidimensional-scaling  tsne 

De acuerdo con "Efficient Backprop" de LeCun et al (1998) , es una buena práctica normalizar todas las entradas para que estén centradas alrededor de 0 y se encuentren dentro del rango de la segunda derivada máxima. Entonces, por ejemplo, usaríamos [-0.5,0.5] para la función "Tanh". Esto es para ayudar …

9 machine-learning  neural-networks  normalization  deep-learning  multidimensional-scaling