24小时热门版块排行榜    

查看: 1468  |  回复: 17
当前只显示满足指定条件的回帖,点击这里查看本话题的所有回帖

suzuqiang

银虫 (小有名气)

[交流] 有搞过流形学习的进来吐槽下 已有7人参与

Sample Text
在做流形学习降维时,从采集的振动信号的时域和频域分别提取特征,然后进行降维处理,但是我发现这些特征的数值差别很大,有的>1000,有的却<1,这样的话降维以后的结果就是由数值大的特征决定了。不知道各位有没有注意到这个情况,最好是给点指示性的经验之谈!!!!
回复此楼

» 猜你喜欢

思维敏捷,淡定如水!
已阅   回复此楼   关注TA 给TA发消息 送TA红花 TA的回帖

radikalz

银虫 (初入文坛)


小木虫: 金币+0.5, 给个红包,谢谢回帖
我个人认为各个特征从一开始来说本身就没有任何区别,也就是说特征之间的差异仅仅只能从样本信息以及监督信息中提取。对于无监督的样本分类很多方面一般是没有一个定论的,只能说某种在某些样本中效果比较好,或者某几种特征的差异确实能说明问题,因为单个特征本身的大小也是一种特征。所以这些特征好坏的问题就归结到特征最初的选取问题上,而不是DR中需要考虑的了,可以改进你的特征提取方法,而不是DR方法。还有就是最终的分类任务需要交给分类器,分类器的选择也会影响结果。最后谈到DR的统一框架问题,现在trans中不断出现降维方法的框架,可以从不同的角度看这个问题。
16楼2012-12-03 22:38:07
已阅   回复此楼   关注TA 给TA发消息 送TA红花 TA的回帖
查看全部 18 个回答

suzuqiang

银虫 (小有名气)

归一化并没有解决特征之间的数值差大的问题,只是将特征数值变到0-1
思维敏捷,淡定如水!
3楼2012-08-16 11:33:24
已阅   回复此楼   关注TA 给TA发消息 送TA红花 TA的回帖

suzuqiang

银虫 (小有名气)

引用回帖:
2楼: Originally posted by yalefield at 2012-08-15 11:54:09
先做归一化咯

归一化并没有解决特征之间的数值差大的问题,只是将特征数值变到0-1
思维敏捷,淡定如水!
4楼2012-08-16 11:33:40
已阅   回复此楼   关注TA 给TA发消息 送TA红花 TA的回帖

rainbowguy

银虫 (正式写手)


小木虫: 金币+0.5, 给个红包,谢谢回帖
这种情况用PCA降维比较好,不用考虑降维后由大数值量控制的问题
5楼2012-09-08 08:39:59
已阅   回复此楼   关注TA 给TA发消息 送TA红花 TA的回帖
普通表情 高级回复 (可上传附件)
信息提示
请填处理意见