十个技巧，让你成为“降维”专家
发布时间：2019-07-16 16:04:34 所属栏目：教程 来源：PLOS 编译：啤酒泡泡、刘兆娜、李雷、sirin、邢畅、武
导读：大数据文摘出品 来源：PLOS 编译：啤酒泡泡、刘兆娜、李雷、sirin、邢畅、武帅、钱天培 在分析高维数据时，降维(Dimensionality reduction，DR)方法是我们不可或缺的好帮手。 作为数据去噪简化的一种方法，它对处理大多数现代生物数据很有帮助。在这些数据
|
每个数据点的降维输出坐标的稳定性。 使用Procrustes变换将两个10维模拟数据集的bootstrap样本投影到前两个PC对齐，其中(a)中数据秩为2、(b)中数据秩为5。 较小的圆形标记对应于每个bootstrap试验，较大的菱形标记是整个数据集的坐标。DR，dimensionality reduction，即降维;PC，principal component，即主成分。 结语 在分析高维数据时，降维非常有用，有时甚至是必不可少的。尽管降维方法被广泛采用，但经常被误用或误解。现有方法的降维方法五花八门，更不用说其中一些方法还有着各种不同的相异度指标和参数设置。这十项技巧可以为从业者提供一个检查表或作为一个非正式的指南。我们描述了执行有效降维的一般步骤，并给出了正确解释和充分理解降维算法输出的方法。这里讨论的大部分建议都适用于所有降维方法，但部分建议是针对特定降维方法的。 （编辑：核心网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
