Size: a a a

Machine learning

2020 June 13

МК

Мишаня Краскин... in Machine learning
источник

RM

Roman Majorant in Machine learning
Господа, такой вопрос

"Посчитайте корреляции исходных признаков с их проекциями на первые две главные компоненты."
то есть, нужно найти среднее по каждому признаку и посчитать корреляцию с компонентой или как?

просто, неужели корреляция одного числа и вектора это адекватно?
источник

RM

Roman Majorant in Machine learning
или нужно найти среднее для каждого признака, но уже в реалиях компонент?
источник

RM

Roman Majorant in Machine learning
и уже между каждым средним для признаков и проекций найти корреляцию?
источник

K

K-S in Machine learning
Roman Majorant
Господа, такой вопрос

"Посчитайте корреляции исходных признаков с их проекциями на первые две главные компоненты."
то есть, нужно найти среднее по каждому признаку и посчитать корреляцию с компонентой или как?

просто, неужели корреляция одного числа и вектора это адекватно?
У тебя исходные признаки — это вектора и две главные компоненты — тоже вектора. Судя по заданию, как я понял, нужно для каждого исходного признака (вектор) посчитать коэффициент корреляции с первой и второй главными компонентами (тоже вектора)
источник

RM

Roman Majorant in Machine learning
То есть, если у меня есть датасет 150х4, то мне нужно найти корреляцию между каждым вектором-признаком (150х1) и главной компонетой (1х4)?
источник

PK

Pavel Kozlov in Machine learning
150x4 это же 150 объектов каждый по 4
источник

PK

Pavel Kozlov in Machine learning
Для каждого 1х4 посчитать , не ?!
источник

RM

Roman Majorant in Machine learning
Pavel Kozlov
Для каждого 1х4 посчитать , не ?!
та это же будет корреляция между каждым объектом
источник

RM

Roman Majorant in Machine learning
а не признаком
источник

RM

Roman Majorant in Machine learning
между каждым объектом и компонентой*
источник

МК

Мишаня Краскин... in Machine learning
источник

V

Valery in Machine learning
источник

V

Valery in Machine learning
это не нормальное распределение же
источник

МК

Мишаня Краскин... in Machine learning
Я второпях просто делал, тут оно похоже на бимодальное, но приходит к нормальному в итоге вроде как
источник

V

Valery in Machine learning
sample = norm_rv.rvs(size=n)
источник

V

Valery in Machine learning
вот где проблема - ты строишь норм распределение по выборке того же размера, что и были выборки исходного
источник

V

Valery in Machine learning
поэтому при малых размерах распределение выглядит так
источник

V

Valery in Machine learning
Мишаня Краскин
Я второпях просто делал, тут оно похоже на бимодальное, но приходит к нормальному в итоге вроде как
ну а должно быть нормальным, в этом и смысл ЦПТ
источник

V

Valery in Machine learning
мы аппроксимируем выборочные средние выборок исходного распределения нормальным
источник