dimension-reduction

6Hitze

1Antwort

Wie können Sie bei der Verarbeitung natürlicher Sprache (NLP) eine effiziente Dimensionsreduktion vornehmen?

In NLP ist es immer so, dass die Dimension der Features sehr groß ist. Zum Beispiel ist für ein vorliegendes Projekt die Dimension der Merkmale fast 20 Tausend (p = 20.000), und jedes Merkmal ist eine

text machine-learning nlp dimensionality-reduction dimension-reduction 2014-11-21

---

1Hitze

1Antwort

Verwendung von Korrelationskoeffizienten (Pearson) zur Dimensionsreduktion [Python]

Ich benutze this Antwort, um die Korrelationskoeffizienten größer als ein gegebenes Limit, f, in einer Matrix (ndarray) zu finden, die von Form ist (29421, 11001) [dh 29.421 Zeilen und 11.001 Spalten]

python matrix dimension-reduction pearson-correlation 2016-07-13

---

1Hitze

1Antwort

Orthogonal Matching Pursuit

I orthogonal Matching-Pursuit-Algorithmus in Python ausführen und nutzen Sie die folgende Warnung: RuntimeWarning: Orthogonal Matching Pursuit vorzeitig im Wörterbuch aufgrund linearer Abhängigkeit be

python machine-learning feature-selection dimension-reduction 2016-07-30

---

2Hitze

1Antwort

Warum scikit-learn truncatedSVD verwendet "randomisierten" Algorithmus als Standard?

Ich verwendete mit truncatedSVD mit 30000 von 40000 Größe der Term-Dokument-Matrix zur Reduzierung der Dimension auf 3000 Dimension, bei Verwendung 'randomisiert', Varianz-Verhältnis ist etwa 0,5 (n_i

scikit-learn svd dimension-reduction 2016-04-23

---