Cor*_*lus 6 python machine-learning dimensionality-reduction
我希望减少维数,使得它返回的维度是循环的.
ex)如果我将12d数据减少到2d,在0和1之间归一化,那么我希望(0,0)与(.9,.1)同等地接近(.9,.9).
我的算法是什么？(python实现的奖励积分)
PCA给了我2d数据平面,而我想要数据的球面.
合理？简单？固有的问题？谢谢.
我想你问的都是关于转型的。
我希望 (0,0) 与 (.9,.9) 一样接近 (.1,.1)。
采用标准化方法，您可以做的是将
区间中的值映射[0.5, 1]到[0.5, 0]
如果您想使用距离度量，您可以首先计算距离，然后执行相同的操作。例如，获取相关性，你可以这样做1-abs(corr)。由于相关性是在[-1, 1]正相关和负相关之间，相关性将给出接近于零的值，而非相关数据将给出接近于一的值。然后，计算出距离后，您可以使用 MDS 来获得投影。
PCA 为我提供了 2d 数据平面，而我想要数据的球面。
既然你想要一个球面，你可以像我想的那样直接将二维平面转换为球体。具有常数的球坐标系就Z可以做到这一点，不是吗？
那么另一个问题是：这一切都是合理的事情吗？