Запитання з тегом «distance-functions»

Я читав, що «Евклідова відстань - це не дуже добра відстань у великих розмірах». Я думаю, це твердження має щось спільне з прокляттям розмірності, але що саме? Крім того, що таке "високі розміри"? Я застосовував ієрархічну кластеризацію за допомогою евклідової відстані зі 100 ознаками. На скільки функцій безпечно використовувати цей …

239 machine-learning  clustering  distance-functions  metric  high-dimensional 

Використовуючи кластерний аналіз на наборі даних для групування подібних випадків, потрібно вибрати серед великої кількості методів кластеризації та міри відстані. Іноді один вибір може впливати на інший, але існує безліч можливих комбінацій методів. Хтось має якісь рекомендації щодо вибору серед різних алгоритмів / методів кластеризації та дистанційних заходів ? Як …

73 clustering  distance-functions  methodology 

Чи є конкретна мета з точки зору ефективності чи функціональності, чому алгоритм k-засобів не використовує, наприклад, подібність косинуса (dis) як метрику відстані, а може використовувати лише евклідову норму? Загалом, чи відповідає метод К-засобів та чи буде правильним, якщо розглядаються чи використовуються інші відстані, ніж Евклідова? [Доповнення від @ttnphns. Питання двозначне. …

62 clustering  k-means  distance-functions  euclidean 

Припустимо, вам дано два об'єкти, точні місця яких невідомі, але розподілені відповідно до звичайних розподілів із відомими параметрами (наприклад, та . Можна припустити, що це обидві біваріантні нормали, так що положення описуються розподілом по координатам (тобто і - вектори, що містять очікувані координати для і відповідно). Ми також будемо вважати, …

41 normal-distribution  distance-functions 

Я можу бачити, що між відстаніми мірами Кульбека – Лейблера проти Колмогорова-Смірнова відстані між великими формальними відмінностями. Однак обидва використовуються для вимірювання відстані між розподілами. Чи є типова ситуація, коли одну слід використовувати замість іншої? Що обґрунтовує це?

37 distributions  distance-functions  kolmogorov-smirnov  kullback-leibler 

У моєму наборі даних є як безперервні, так і природно дискретні змінні. Я хочу знати, чи можемо ми робити ієрархічну кластеризацію, використовуючи обидва типи змінних. І якщо так, то яка міра відстані підходить?

34 clustering  similarities  distance-functions  mixed-type-data 

[Початкова назва "Вимірювання подібності для ієрархічних дерев кластеризації" згодом @ttnphns змінила, щоб краще відобразити тему] Я виконую ряд ієрархічних кластерних аналізів у кадрі даних пацієнтів (наприклад, подібний до http://www.biomedcentral.com/1471-2105/5/126/figure/F1?highres=y ) Я експериментую з різними мірами відстані , різною вагою параметрів та різними ієрархічними методами , щоб зрозуміти їх вплив на …

28 r  clustering  distance-functions  similarities  dendrogram 

Я шукаю хорошу термінологію, щоб описати те, що намагаюся зробити, щоб полегшити пошук ресурсів. Скажімо, у мене є два кластери точок A і B, кожне пов'язане з двома значеннями, X і Y, і я хочу виміряти "відстань" між A і B - тобто наскільки ймовірним є те, що вони були …

28 multivariate-analysis  terminology  distance-functions 

В умовах , коли спостерігається X1,…,XnX1,…,XnX_1,\ldots,X_n розподілено з розподілу з щільністю fff , цікаво , якщо є несмещенная оцінка (на основі «ов) відстаней Хеллінгера до іншого розподілу з щільністюXiXiX_if0f0f_0 , а саме H(f,f0)={1−∫Xf(x)f0(x)−−−−−−−−√dx}1/2.H(f,f0)={1−∫Xf(x)f0(x)dx}1/2. \mathfrak{H}(f,f_0) = \left\{ 1 - \int_\mathcal{X} \sqrt{f(x)f_0(x)} \text{d}x \right\}^{1/2}\,.

20 pdf  unbiased-estimator  distance-functions  functional-data-analysis  hellinger 

У мене є набір даних, де кожна інформація складається з ннn різних заходів. Для кожного заходу у мене є базове значення. Мені хотілося б знати, наскільки близькі дані для базового значення. Я думав використовувати зважену евклідову відстань так: гх , б= ( ∑нi = 1шi( хi- бi)2) )1 / 2гх,б=(∑i=1ншi(хi-бi)2))1/2\hspace{0.5in} …

16 distance-functions 

Я використовую ієрархічну кластеризацію для аналізу даних часових рядів. Мій код реалізований з використанням Mathematica функції DirectAgglomerate[...], яка генерує ієрархічні кластери отримують наступні входи: матриця відстані D назва методу, що використовується для визначення міжкластерної зв'язку. Я обчислив матрицю відстані D, використовуючи відстань на Манхеттені: г( х , у) = ∑i|хi- …

15 clustering  distance-functions  ward 

Я кластеризую розподіл ймовірностей, використовуючи алгоритм розповсюдження афінності , і я планую використовувати дивергенцію Дженсена-Шеннона як мій показник відстані. Чи правильно використовувати JSD як відстань, або JSD у квадраті? Чому? Які відмінності випливали б із вибору того чи іншого?

15 machine-learning  clustering  entropy  distance-functions 

Є чи хто - небудь використовувати в або метрики для кластеризації, а не ? Aggarwal та ін., Про дивовижну поведінку метрики відстані у просторі з високими розмірами говорили (у 2001 р.), ЩоL1L1L_1L.5L.5L_.5L2L2L_2 L1L1L_1 послідовно більш кращий, ніж евклідова метрика відстані для застосувань для розміщення даних з високими розмірамиL2L2L_2 і стверджував, …

14 clustering  distance-functions  rule-of-thumb 

Я просто працюю з книгою «Колективний інтелект» (Тобі Сегаран) і натрапив на евклідову оцінку дистанції. У книзі автор показує, як обчислити схожість між двома рекомендаційними масивами (тобто .людина × фільм ↦ бал )person×movie↦score)\textrm{person} \times \textrm{movie} \mapsto \textrm{score}) Він обчислює евклідову відстань для двох осіб і p 2 по d ( …

13 distance-functions  similarities 

Примітка: це запитання є репостом, оскільки моє попереднє питання довелося видалити з юридичних причин. Порівнюючи PROC MIXED від SAS з функцією lmeз nlmeпакету в R, я натрапив на деякі досить заплутані відмінності. Більш конкретно, ступеня свободи в різних випробувань відрізняються між PROC MIXEDі lme, і я задавався питанням, чому. Почніть …

12 r  mixed-model  sas  degrees-of-freedom  pdf  unbiased-estimator  distance-functions  functional-data-analysis  hellinger  time-series  outliers  c++  relative-risk  absolute-risk  rare-events  regression  t-test  multiple-regression  survival  teaching  multiple-regression  regression  self-study  t-distribution  machine-learning  recommender-system  self-study  binomial  standard-deviation  data-visualization  r  predictive-models  pearson-r  spearman-rho  r  regression  modeling  r  categorical-data  data-visualization  ggplot2  many-categories  machine-learning  cross-validation  weka  microarray  variance  sampling  monte-carlo  regression  cross-validation  model-selection  feature-selection  elastic-net  distance-functions  information-theory  r  regression  mixed-model  random-effects-model  fixed-effects-model  dataset  data-mining