«geometry» etiketlenmiş sorular

Geometri içeren konu ile ilgili sorular için. Geometri ile ilgili tamamen matematiksel bir soru için, matematik SE https://math.stackexchange.com/ sormak daha iyidir

4
Hangi kanonik korelasyon analizinin yapıldığını nasıl görselleştirin (hangi temel bileşen analizine kıyasla)?
Kanonik korelasyon analizi (CCA), temel bileşen analizi (PCA) ile ilgili bir tekniktir. Bir dağılım grafiği kullanarak PCA veya doğrusal regresyon öğretmek kolay olsa da (google resim aramada birkaç bin örneğe bakın), CCA için benzer bir sezgisel örnek görmedim. Lineer CCA'nın ne yaptığını görsel olarak nasıl açıklayabilirim?


2
Faktör Analizi, PCA varyansını açıklarken kovaryansı nasıl açıklar?
Piskopos'un "Örüntü Tanıma ve Makine Öğrenmesi" kitabından alıntı, bölüm 12.2.4 "Faktör analizi": Vurgulanan kısma göre, faktör analizi W matrisindeki değişkenler arasındaki kovaryansı yakalarWWW . NASIL merak ediyorum ? İşte nasıl anladım. Ki xxx görülmektedir ppp , boyutlu değişken WWW faktörü yükleme matrisidir ve zzz faktör skoru vektörüdür. Sonra değerine sahibiz …

2
Cezalanmış lineer regresyonun geometrik yorumu
Doğrusal regresyonun "tüm noktalara dikey olarak en yakın olan çizgi" olarak düşünülebileceğini biliyorum : Ancak, sütun alanını “katsayı matrisinin sütunlarının kapsadığı alana yansıtma” olarak görerek, onu görmenin başka bir yolu var : Sorum şu: Bu iki yorumda, regüle edilmiş regresyon ve LASSO gibi, penaltılaşmış lineer regresyon kullandığımız zaman ne olur …


1
Konu (çift) uzayda PCA'nın geometrik olarak anlaşılması
Temel bileşen analizinin (PCA) konu (ikili) alanda nasıl çalıştığını sezgisel bir şekilde anlamaya çalışıyorum . İki değişken, 2D veri kümesi düşünün ve ve veri noktası (veri matrisi isimli ve ortalanmış olduğu varsayılmaktadır). PCA'nın olağan sunumu, noktasını dikkate almamız , kovaryans matrisini yazmamız ve özvektörlerini ve özdeğerlerini bulmamızdır; ilk PC maksimum …

1
Genelleştirilmiş doğrusal modelin geometrik yorumu
Doğrusal model , tahmini modelin OLS ile güzel bir geometrik yorumunu yapabiliriz: . , y'nin x'in kapsadığı boşluğa yansımasıdır ve artık , x'in kapsadığı boşluğa diktir.y=xβ+ey=xβ+ey=x\beta+ey^=xβ^+e^y^=xβ^+e^\hat{y}=x\hat{\beta}+\hat{e}y^y^\hat{y}e^e^\hat{e} Şimdi sorum şu: Genelleştirilmiş doğrusal modelin (lojistik regresyon, Poission, survival) herhangi bir geometrik yorumu var mı? Tahmin edilen ikili lojistik regresyon modelinin doğrusal modele …

5
Bir dağılımın basıklığı, yoğunluk fonksiyonunun geometrisi ile nasıl ilişkilidir?
Basıklık, bir dağılımın dorukluğunu ve düzlüğünü ölçmektir. Varsa, dağılımın yoğunluk fonksiyonu bir eğri olarak görülebilir ve şekliyle ilgili geometrik özelliklere (eğrilik, dışbükeylik, ...) sahiptir. Bir dağılımın basıklığının, kurtozun geometrik anlamını açıklayabilen yoğunluk fonksiyonunun bazı geometrik özellikleri ile ilişkili olup olmadığını merak ediyorum.

1
Maksimum olabilirlik tahmininin geometrik yorumu
Franklin M. Fisher'ın Ekonometri'de Kimlik Sorunu kitabını okuyordum ve olasılık fonksiyonunu görselleştirerek tanımlamayı gösterdiği kısım ile karıştırdım. Sorun şu şekilde basitleştirilebilir: Bir regresyon için , burada , ve parametrelerdir. Varsayalım bir katsayısına sahiptir bire eşittir. Daha sonra uzayındaki olasılık fonksiyonu , gerçek parametreler vektörüne ve skaler katlarına karşılık gelen ışın …

1
Bilgi geometrisinde açıklama
Bu soru, Amari'nin Eğimli Üstel Ailelerin-Eğriliklerin ve Bilgi Kaybının Diferansiyel Geometrisi makalesi ile ilgilidir . Metin aşağıdaki gibi gider. Let bir olması , bir koordinat sistemi ile olasılık dağılımları boyutlu manifoldu , olduğu varsayılır ...Sn= { pθ}Sn={pθ}S^n=\{p_{\theta}\}nnnθ = ( θ1, … , Θn)θ=(θ1,…,θn)\theta=(\theta_1,\dots,\theta_n)pθ( x ) > 0pθ(x)>0p_{\theta}(x)>0 Her nokta kabul …

2
En küçük kovaryans matrisini bulmak için uygun önlem
Okuduğum ders kitabında iki kovaryans matrisi karşılaştırmak için pozitif kesinlik (yarı pozitif kesinlik) kullanmaktadırlar. Fikir, eğer pd ise , küçüktür . Ama bu ilişkinin sezgisini almak için uğraşıyorum?A−BA−BA-BBBBAAA Burada benzer bir iplik var: /math/239166/what-is-the-intuition-for-using-definiteness-to-compare-matrices Matrisleri karşılaştırmak için kesinlik kullanma sezgisi nedir? Cevaplar güzel olsa da sezgiye gerçekten değinmiyorlar. İşte kafa …

1
Veri uzayları, değişken uzaylar, gözlem uzayları, model uzayları (örneğin doğrusal regresyonda)
Diyelim ki -by- olan veri matrisine ve -by-one olan etiket vektörüne sahibiz . Burada, matrisin her satırı bir gözlemdir ve her sütun bir boyuta / değişkene karşılık gelir. ( olduğunu varsayın )XX\mathbf{X}nnnpppYYYnnnn > pn>pn>p Sonra ne mi data space, variable space, observation space, model spacedemek? Sütun vektörü tarafından yayılan boşluk, …

3
Bayes Teoremi neden grafiksel olarak çalışıyor?
Matematiksel bir bakış açısından Bayes Teoremi benim için mükemmel bir anlam ifade ediyor (yani türetmek ve kanıtlamak), ama bilmediğim şey Bayes Teoremini açıklamak için gösterilebilecek hoş bir geometrik veya grafiksel argüman olup olmadığıdır. Googling'i buna bir cevap için denedim ve şaşırtıcı bir şekilde bunun üzerinde bir şey bulamadım.
Sitemizi kullandığınızda şunları okuyup anladığınızı kabul etmiş olursunuz: Çerez Politikası ve Gizlilik Politikası.
Licensed under cc by-sa 3.0 with attribution required.