Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 1919

Yeni yorum
 

Burada bir resim var


böyle bir kar grafiği veriyor


 
Alexey Vyazmikin :

bir ekran nasıl yapılır, bu şekilde kaydedebilir ve ardından boş bir sayfadan yükleyebilirsiniz ve model görünecektir?

Evet

Alexey Vyazmikin :

İşte böyle bir leke nasıl yorumlanır?

Pekala, bu bir küme, görünüşe göre çok boyutlu bir uzaydaki nesneler üç boyutlu bir uzayda böyle kümeler halinde birleşmişler, böylece 100-500 boyutlu verilerinize üç boyutlu bir biçimde bakabilir ve bir şekilde değerlendirebilirsiniz. yapı

Alexey Vyazmikin :

Bu arada, sınıflara zorla renkler nasıl ayarlanır - Ne olduğunu anlamıyorum?

orada renkler zaten hedef değişken aracılığıyla ayarlanmış, orada üç renginiz olduğunu görüyorsunuz, bu üç sınıftaki hedefiniz

 

Bu arada, adaların olduğu yukarıdaki resim benim tahmin edici dönüşüm yöntemimden sonra ve orijinal örnek dönüşümlerden önce böyle görünüyor.


İki nebula...

Veriler özünde aynıdır, ancak sonuç görsel olarak bile farklıdır. Bu nedenle, örneğin eğitim için hazır olup olmadığının bir değerlendirmesi dışında, bu aracı nasıl kullanacağımı bilmiyorum ....

 
Alexey Vyazmikin :

Diyelim ki ayrı bir pencerede açılan ve ekran yapmanın bir yolu bile olmayan bir 3D model diyelim, bu şekilde kaydedip sonra boş bir sayfadan yükleyin ve model görünecektir?

onunla yeni verileri bile tanıyabilirsiniz

 
mytarmailS :

Pekala, bu bir küme, görünüşe göre çok boyutlu bir uzaydaki nesneler üç boyutlu bir uzayda böyle kümeler halinde birleşmişler, böylece 100-500 boyutlu verilerinize üç boyutlu bir biçimde bakabilir ve bir şekilde değerlendirebilirsiniz. yapı

Belki de hedef bu adaların sayısına göre olmalıdır? Bu görselleştirmenin kalite değerlendirmesini anlamıyorum.

burada renkler bir şekilde ayarlanmalı - arkanın siyah olduğunu görüyorum ve gerisi - 1,2,3 - bunu renge nasıl çevirebilirim? 

target <- as .factor(target)   #   target нужен для того чтобы окрасить точки в цвет целевой

scatter3d(x = um.res[, 1 ], 
          y = um.res[, 2 ], 
          z = um.res[, 3 ],
          groups = target,
          grid = FALSE, 
          surface = FALSE,
          ellipsoid = FALSE,
            bg.col = "black" )
 
mytarmailS :

onunla yeni verileri bile tanıyabilirsiniz

Bu ne anlama geliyor, hangi veriler? Neresi?

 
Alexey Vyazmikin :

Belki de hedef bu adaların sayısına göre olmalıdır? Bu görselleştirmenin kalite değerlendirmesini anlamıyorum.


anlıyorsunuz, bu kümeler nesnel bir gerçeklik, verilerinizin gerçek yapısı...

hedefiniz öznel bir gerçekliktir (gag) çünkü sınıflarınızın etiketleri hiçbir şekilde kümelerin yapısı ile bağlantılı değildir

Örneğe ve süsenlere bakın, her şeyi anlayacaksınız.


burada renkler bir şekilde ayarlanmalı - arkanın siyah olduğunu görüyorum ve gerisi - 1,2,3 - bunu renge nasıl çevirebilirim?

Kılavuza bakın, her şey yorumlarda var

 
Alexey Vyazmikin :

Bu ne anlama geliyor, hangi veriler? Neresi?

)))

Sıradan orman ağlarında olduğu gibi, yeni veriler ortaya çıktı, kaydedilen model tarafından tanınabilirler.

 
mytarmailS :

anlıyorsunuz, bu kümeler nesnel bir gerçeklik, verilerinizin gerçek yapısı...

hedefiniz öznel bir gerçekliktir (gag) çünkü sınıflarınızın etiketleri hiçbir şekilde kümelerin yapısı ile bağlantılı değildir

Böylece ilginç hale geldi, ama ya bu örneği bu adalara göre işaretlersek ve zaten içlerindeki modellerin eğitimini yaparsak.

Farklı kümeler, sonucu etkileyen farklı faktörlerden, daha doğrusu anladığım kadarıyla farklı ağırlıklarından bahseder.

Bu ayrılığı nasıl...


Bu arada, farklı bir açıdan, aynı eksiksiz veriler - 4 küme görünür


 
Alexey Vyazmikin :

Bu nedenle, örneğin eğitim için hazır olup olmadığının bir değerlendirmesi dışında, bu aracı nasıl kullanacağımı bilmiyorum ....

Amaçlandığı gibi kullanın - veri yapısını değerlendirmek için çok boyutlu uzayın görselleştirilmesi, bir küme mi yoksa nokta bulutu mu vb.

1...191219131914191519161917191819191920192119221923192419251926...3399
Yeni yorum