«tsne» etiketlenmiş sorular

Kümelerin içindeki alt grup etkilerini aramadan önce gürültülü bir veri kümesini kümelemenin kullanışlı olacağı bir uygulama buldum. İlk önce PCA'ya baktım, ancak değişkenliğin% 90'ını elde etmek ~ 30 bileşen alıyor, bu nedenle yalnızca birkaç PC'ye kümelemek çok fazla bilgiyi atıyor. Daha sonra t-SNE'yi denedim (ilk defa), bu bana k-araçlarıyla kümelemeye …

78 clustering  interpretation  k-means  tsne 

7 metin düzeltme davranışı ölçüsünün (metni düzeltmek için harcanan zaman, tuş vuruşlarının sayısı vb.) Birbirleriyle nasıl ilişkili olduğunu görmek istiyorum. Ölçüler birbiriyle ilişkilidir. Ölçümlerin PC1 ve PC2'ye nasıl yansıtıldığını görmek için bir PCA kullandım; bu, ölçümler arasında ayrı iki yönlü korelasyon testleri yürütmenin üst üste gelmesini engelledi. Neden bazı-SNE kullanmıyordum, …

39 pca  tsne 

Aklımda, KL örnek dağılımından gerçek dağılıma ayrışma sadece çapraz entropi ve entropi arasındaki farktır. Neden bir çok makine öğrenme modelinde maliyet fonksiyonu olarak çapraz entropiyi kullanıyoruz, ancak t-sne'de Kullback-Leibler farklılığını kullanıyoruz? Öğrenme hızında herhangi bir fark var mı?

39 kullback-leibler  tsne  cross-entropy 

Yazarlardan birinden alıntı: t-Dağıtılmış Stokastik Komşu Gömme (t-SNE), boyutsallığın azaltılması için yüksek boyutlu veri kümelerinin görselleştirilmesi için özellikle uygun bir ( ödüllü ) tekniktir. Bu yüzden kulağa çok hoş geliyor, ama Yazar konuşuyor. Yazardan bir başka alıntı (yeniden: yukarıda belirtilen rekabet): Bu yarışmadan ne aldın? Tahmin edicileri veriler üzerinde çalışmaya …

37 data-visualization  dimensionality-reduction  tsne 

Yakın zamanda yapılan bir atamada, boyutları 64'ten (8 x 8 görüntüler) 2'ye düşürmek için MNIST rakamlarında PCA kullanmamız söylendi. Daha sonra rakamları bir Gauss Karışım Modeli kullanarak kümelemek zorunda kaldık. Yalnızca 2 ana bileşen kullanan PCA, farklı kümeler vermez ve sonuç olarak, model yararlı gruplar oluşturamaz. Bununla birlikte, 2 bileşenli …

34 classification  clustering  pca  dimensionality-reduction  tsne 

336x256 kayan nokta sayıları (336 bakteri genomu (sütunlar) x 256 normalleştirilmiş tetranükleotit frekansı (satır), örneğin her sütun 1'e kadar ekler) matrisine sahibim. Analizimi prensip bileşen analizi kullanarak yaptığımda iyi sonuçlar alıyorum. Öncelikle, veri üzerindeki kmean kümelerini hesaplarım, daha sonra bir PCA çalıştırırım ve veri noktalarını başlangıçtaki 2 km'lik kümelemeye dayanarak …

27 r  pca  tsne 

Boyutsallığın azaltılması için -sne algoritması hakkında çok şey okudum . MNIST gibi "klasik" veri kümelerindeki performanstan, rakamların net bir şekilde ayrılmasını sağladığı için çok etkilendim ( orijinal makaleye bakın ):ttt Ayrıca, eğittiğim bir sinir ağı tarafından öğrenilen özellikleri görselleştirmek için de kullandım ve sonuçlardan çok memnun kaldım. Yani, anladığım kadarıyla: …

23 clustering  data-visualization  dimensionality-reduction  high-dimensional  tsne 

Son zamanlarda t-SNE ( t-Dağıtılmış Stokastik Komşu Yerleşimi ) ile ilgili bazı soruları okudum ve ayrıca MDS ( Çok Boyutlu Ölçeklendirme ) ile ilgili bazı soruları da ziyaret ettim . Genellikle benzer şekilde kullanılırlar, bu yüzden burada her ikisinde de (veya PCA ile karşılaştırıldığında ) birçok soru olduğunu görünce bu …

21 data-visualization  dimensionality-reduction  multidimensional-scaling  tsne 

Benim anlayış , t-SNE ve Barnes-Hut yaklaşım tüm veri noktaları tüm kuvvet etkileşimleri aynı anda hesaplanabilir ve her nokta 2d ayarlanabilir (veya boyutsal alt) ilk böylece gerekli olmasıdır. Veri akışı ile etkin bir şekilde başa çıkabilen t-sne'nin herhangi bir sürümü var mı? Dolayısıyla, gözlemlerim birer birer geliyorsa, yeni gözlemi yerleştirmek …

19 data-visualization  dimensionality-reduction  multidimensional-scaling  tsne 

Verilerimin bazı özellikleri büyük değerlere sahipken, diğer özellikler çok daha küçük değerlere sahip. T-SNE'yi uygulamadan önce verileri daha büyük değerlere doğru sapmayı önlemek için ortalamak + ölçeklemek gerekir mi? Python'un sklearn.manifold.TSNE uygulamasını varsayılan öklid mesafesi metriğiyle kullanıyorum.

18 normalization  dimensionality-reduction  high-dimensional  tsne 

Çalıştığım belirli bir problemde (bir yarışma) follwoing ayarına sahibim: 21 özellik ([0,1] üzerinde sayısal) ve bir ikili çıktı. Yaklaşık 100 K satırım var. Ayar çok gürültülü görünüyor. Ben ve diğer katılımcılar bir süreliğine özellik üretmeyi uyguluyoruz ve t-dağılmış stokastik komşu yerleştirme bu ortamda oldukça güçlü çıktı. "T-SNE Etkili Nasıl Kullanılır" …

13 machine-learning  dimensionality-reduction  unsupervised-learning  tsne 

Şu anda başımı t-SNE matematiğinin etrafına sarmaya çalışıyorum . Ne yazık ki, tatmin edici bir şekilde cevaplayamadığım bir soru var: Bir t-SNE grafiğindeki eksenlerin gerçek anlamı nedir? Eğer bu konuda bir sunum yaparsam ya da herhangi bir yayına dahil edersem: Eksenleri uygun şekilde nasıl etiketleyebilirim? Not: Bu Reddit sorusunu okudum …

12 machine-learning  dimensionality-reduction  tsne 

Bir sınıflandırma problemimiz olduğunu varsayalım ve ilk önce verilerden bir fikir edinmek istiyoruz ve t-SNE yapıyoruz. T-SNE'nin sonucu sınıfları çok iyi ayırır. Bu, sınıfları da çok iyi ayıracak sınıflandırma modeli oluşturmanın mümkün olduğu anlamına gelir (t-SNE iyi ayrılmazsa, çok fazla ima etmez). T-SNE'nin yerel yapıya odaklandığını ve sınıfları iyi ayırabildiğini …

12 classification  tsne 

Hangi durumlarda t-SNE kullanmalıyız (veri görselleştirme dışında)? Boyut azaltılması için T-SNE kullanılır. Bunun cevabı sorunun t-SNE sadece görselleştirme için ve biz kümeleme için kullanmaması gerektiğini kullanılması gerektiğini düşündürmektedir. O zaman t-SNE'nin iyi kullanımı nedir?

12 data-visualization  dimensionality-reduction  tsne 

Bildiğim kadarıyla, hem oto-kodlayıcılar hem de t-SNE, doğrusal olmayan boyutsallık azalması için kullanılır. Aralarındaki farklar nelerdir ve neden birini diğerine karşı kullanmalıyım?

12 neural-networks  deep-learning  dimensionality-reduction  autoencoders  tsne