我正在处理一个函数，它采用大数据框（36 行和 194 列）执行主成分分析，然后生成一个图列表，其中我
我有 60.000x784 的训练，
60.000 个标签和
10.000x784 测试，10.000 个测试标签数据。
当我应用 Decisio
我正在使用犰狳进行主成分分析，这样我就可以将来自麦克风阵列的 4 个输入减少到两个，因为我只有
我正在尝试使用蒙特卡罗测试编写多变量奇异谱分析。就此而言，我正在编写一个代码段，该代码段可
我有 19 个光栅文件作为光栅堆栈加载到 R 中。我使用 RStoolbox 包的函数 rasterPCA() 执行了栅格的 PCA。我只
我想用 PCA 分析 MATLAB 提供的卵巢癌数据。具体来说，我想可视化两个最大的主成分，并绘制两个对应的
我有 26 个变量，并且都是序数。我想使用以下命令应用多色 PCA
<pre class="lang-r prettyprint-override"><code>&l
我的输入数据 $X$ 有 100 个样本和 1724 个特征。我想将我的数据分为两类。但是解释了各种比率值太低，
受到 <a href="https://arxiv.org/pdf/1705.00109.pdf" rel="nofollow noreferrer">Boyd et. Al. 2017</a> 的启发，我正在尝试创建
我被建议使用主成分分析 (PCA) 来找到给出第一个主方向方向的第一个特征向量。
主成分分析 (PCA)
此计划的目的是：
<ol>
<li>读取数据集：行是客户，列是客户购买的产品</li>
<li>应用主成分分析来减
我在理解频域中 PCA 如何工作的细节时遇到了很多麻烦。我已经使用 R 中的 freqdom 包运行了代码，并设法
我一直在玩弄 <code>SparsePCA</code>，我注意到有时一些“主成分”完全为零。这看起来很奇怪 - 谁能解释一
我需要对存储在数组 <code>A</code> 中的两个不同的标量预测变量（例如 <code>B</code> 和 <code>values</code>）运
我有一个大小为 <code>2240*5*16</code> 的特征集。 2240 是样本数，5 表示通道数，16 表示提取的统计特征数，
我有两个轴为 0 的数组（有平均值的结果和 df 的标准值）：
<pre><code>df_cats =
0 58.609619
1 105.9265
我有一个包含 78 个变量的数据集，其中所有变量的输入数据都是二进制的（0 和 1）。我想在一张图中绘
我使用 <code>prince</code> 进行主成分分析：
<pre><code>import pandas as pd
import matplotlib.pyplot as plt
pd.set_option(
我需要一个 PCA 图来显示数据是否以及如何按人群（AFR_ACB、AFR_ASW 等）聚类我还需要每个人群的不同颜色
我想将 MNIST 数据的维度减少到 45。
我使用 keras 导入 MNIST 数据
<pre><code>library(keras)
mnist <- dat
