SNE 第6页

机器学习系列21-无监督学习之近邻嵌入

Sakura_gh·2020-07-15 08:47

第1175期机器学习日报(2017-12-06)

超分辨率和动作识别@机器之心Synced腾讯优图沈小勇：ICCV2017一键卸妆;视频超分辨率论文详解@wx:Non斯坦福：2017年人工智能指数报告@南京轻搜可视化语音分析：深度对比Wavenet、t-SNE

机器学习日报·2020-07-14 07:31

视频特征提取与PCA&t-SNE

哈喽，大家好。我是人间人爱，花见花开的小明哥。【很多妹子都沉迷我的才华，而无法相信我还是这么帅，哈哈】正文：持续更新中。。。敬请期待视频抽帧是否一定要每秒抽一帧，还是随机选帧，还是固定每个视频固定选取30帧，这个到底有多大的影响？？1-每秒抽一帧，cap得到fps，则固定间隔，最后的帧数与时长相同，比如1min，那就是60帧；2-随机选取，纯粹随机选取30帧，random产生随机数index；3-

VideoRecommendation·2020-07-14 05:20

(完美)华为麦芒7 SNE-AL00的usb调试模式在哪里开启的流程

有时候我们使用的一些功能较强的App比如以前我们使用的一个App引号精灵，老版本就需要打开USB调试模式下使用，现当新版本不需要了，因此我们需要想方设法将手机的USB调试模式打开，本文我们描述华为麦芒7SNE-AL00

weixin_34319111·2020-07-13 18:44

Datacamp 笔记&代码 Unsupervised Learning in Python 第二章 Visualization with hierarchical clustering &t-SNE

JinnyR·2020-07-13 15:11

机器学习sklearn（15）TSNE降维

TSNE概念部分参考：http://bindog.github.io/blog/2016/06/04/from-sne-to-tsne-to-largevis/#0x02-%E4%BB%8Esne%E8%

又要起名字了·2020-07-12 14:16

故障数据特征提取

从故障信号中提取特征特征工程包含特征构建、特征提取、特征选择等，特征提取中有PCA、ICA、LDA以及最新的降维方法t-SNE等，特征选择也有很多种方法可供使用。

隔壁王者新·2020-07-12 00:05

机器学习: t-Stochastic Neighbor Embedding 降维算法 (二)

上一篇文章，我们介绍了SNE降维算法，SNE算法可以很好地保持数据的局部结构，该算法利用条件概率来衡量数据点之间的相似性，通过最小化条件概率pj|i与pi|j之间的KL-divergence，将数据从高维空间映射到低维空间

Matrix_11·2020-07-11 22:17

Django2.0 path

What’sne

我是那颗银弹·2020-07-11 19:24

TensorBoard-PROJECTOR-高维向量可视化

TensorBoard-PROJECTOR-高维向量可视化PROJECTOR用于将高维向量进行可视化，通过PCA，T-SNE等方法将高维向量投影到三维坐标系。

twinkle_star1314·2020-07-10 03:30

贪心学院—自然语言处理—评估词向量

评估词向量：t-distributedStochasticNeighborEmbedding(t-SNE)对训练得到的词向量降维到二维空间进行观察；sklearn中tsne可视化；t-SNE完整笔记与已有的数据进行相似度对比

一位不愿透露姓名的群众·2020-07-07 22:56

Few-Shot Image Recognition by Predicting Parameters from Activations

作者通过使用t-SNE对激活值的期望aˉy\bar{a}_yaˉy(左)和全连接层的参数wyw_ywy(右)进行了可视化，

liuglen·2020-07-07 14:34

机器学习-kmeans

blog.csdn.net/qq_41424519/article/details/81740214F:\桌面\RNA-seq1\leetcode\10-面试真题\6-字节跳动-手写kmeans.py2k如何确定：t-sne

368chen·2020-07-06 17:59

UMAP降维算法python包的安装和使用

一、UMAP算法的定义：统一流形近似与投影(UMAP)是一种降维技术，可以用于类似于t-SNE的可视化，也可以用于一般的非线性降维。

wangpan007·2020-07-05 19:44

UMAP数据降维副产品---全连接神经网络做编码器

均匀流形近似和投影（UMAP/uniformmanifoldapproximationandprojection）一种类似于t-SNE的数据降维算法，至于算法思想那是另外一篇文章了，这里只说怎么使用和如何做预测

喵水军的近卫第76师·2020-07-05 06:43

R包SCENIC:结果可视化与分析

1.鉴定细胞状态以t-SNE图呈现AUC评分和TF表达情况（即调控元件的活动度）利用AUC交互app（Scope）logMat0],decreasing=TRUE))))[c("L1","Var1","

阿糖胞苷_SYSU·2020-07-04 06:25

最强降维模型t-SNE vs 最常用降维模型PCA（下）

t-SNE和PCA降维后都有异常点，我们试着来分析分析，这些异常点如何检测

ABin_203·2020-07-04 04:52

T-SNE可视化实现

在官网下载源代码：https://scikit-learn.org/stable/auto_examples/manifold/plot_t_sne_perplexity.html#sphx-glr-download-auto-examples-manifold-plot-t-sne-perplexity-py

christineNAN·2020-07-01 20:39

基于TensorFlow理解三大降维技术：PCA、t-SNE 和自编码器

ythonista数据科学家EliorCohen近日在Medium上发文解读了最常见的三大降维技术：PCA、t-SNE和自编码器。

c2a2o2·2020-07-01 19:48

Origin绘制散点图个性化设置散点颜色

如使用word2vec之后，采用t-sne对数据所做的聚类效果，如下图所示。

HFUT_qianyang·2020-07-01 04:40

降维算法：主成分分析 VS 自动编码器

一些特征转换技术有主成分分析（PCA）、矩阵分解、自动编码器（Autoencoders）、t-Sne、UMAP等。本文主要介绍了主成分分析以及自动编码器两种方法

deephub·2020-07-01 03:15

论文解读：Towards Instance-level Image-to-Image Translation

TowardsInstance-levelImage-to-ImageTranslation（CVPR2019）项目地址：http://zhiqiangshen.com/projects/INIT/index.html论文背景：通过t-sne

SHY_VWind·2020-06-30 09:02

Twitter情绪分析全面教程指导--基于实际数据集和代码实战

StoryGenerationandVisualizationfromTweets4.ExtractingFeaturesfromCleanedTweets5.ModelBuilding:SentimentAnalysis6.What’sNe

wustjk124·2020-06-29 21:27

高维数据可视化Visualizing data using t-SNE

t-SNE高维数据可视化（python）这篇文章非常好，贴出来的代码，直接可正确运行。

布口袋_天晴了·2020-06-29 18:00

pytorch0.4 mnist样例程序gpu版+t-SNE

这里写自定义目录标题mnist简介pytorch简介代码mnist简介mnist数据集为手写数字识别的数据集，训练集60000张2828，测试集10000张2828，为数字0~9。pytorch简介pytorch为近几年兴起的训练架构，继承自torch，灵活易用，被科研工作者所喜爱。c++api还没有完善完毕。代码代码部分参考caffe的mnist样例实现，增加了几层卷积，增加了网络的表达能力，同

weixin_41425655·2020-06-29 01:00

用 t-SNE 算法和聚类方法来做市场划分分析

让我们先行用分类技术（即聚类，投影追踪和t-SNE）做一个简单的效

Datartisan数据工匠·2020-06-28 07:49

【校招面经】机器学习与数据挖掘常见面试题整理 part8

七十六、t-SNEfrom：http://www.datakit.cn/blog/2017/02/05/t_sne_full.htmlt-SNE(t-distributedstochasticneighborembedding

稻蛙·2020-06-27 06:58

图片分类比赛总结

t分布随机邻域嵌入（t—SNE）是

走投无路的乐乐·2020-06-27 04:42

用Python进行无监督学习的几种最热门的聚类算法

本文介绍用Python进行无监督学习的几种聚类算法，包括K-Means聚类、分层聚类、t-SNE聚类、DBSCAN聚类等。无监督学习是机器学习技术中的一类，用于发现数据中的模式。

MHyourh·2020-06-26 12:43

比PCA降维更高级——（R/Python）t-SNE聚类算法实践指南

摘要：本文介绍t-SNE聚类算法，分析其基本原理。并从精度上与PCA等其它降维算法进行比较分析，结果表明t-SNE算法更优越，本文最后给出了R、Python实现的示例以及常见问题。

阿里云云栖号·2020-06-26 05:50

t-SNE算法详解

前言此处只作为自己学习理解的笔记之用，转载于https://blog.csdn.net/sinat_20177327/article/details/80298645t-SNE(t-distributedstochasticneighborembedding

饮冰l·2020-06-26 02:17

机器学习笔记(14)——sklearn降维方法举例(RandomProjection,TSVD,t-SNE)

sklearn降维方法举例以datasets.digits数据为例导入相关包importnumpyasnpimportpandasaspdimportmatplotlib.pyplotaspltimporttimefromsklearn.datasetsimportload_digits大样本数据的可视化是一个相对比较麻烦的事情，一般情况下我们都要用到降维的方法先处理特征。我们找一个例子来看看，可

口袋的天空Zard·2020-06-25 12:24

SNE T分布 t-SNE数据降维与可视化

T分布随机近邻嵌入t-SNE是一种集降维与可视化于一体的技术，它是基于SNE(StochasticNeighborEmbedding,SNE;HintonandRoweis,2002)可视化的改进，解决了

rrr2·2020-06-25 09:55

数据降维及可视化之TSNE理论及利用sklearn对digits数据集可视化实现python

今天来简单总结一下TSNE~SNE首先来说说SNE，全称为随机相邻嵌入（StochasticNeighborEmbedding），其将数据之间的高维的欧几里得距离转化为表示相似性的条件概率：数据点xjx_jxj

小白胖爱学习-·2020-06-24 11:33

K-means聚类分析，并用t-SNE可视化聚类结果

K-means聚类分析，并用t-SNE可视化聚类结果k-means算法，即k-均值聚类，也叫快速聚类算法，在最小化误差函数的基础上将数据划分为预定的类数k。

lbweiwan·2020-06-24 02:26

机器学习降维方法 t-SNE 详解（一）

本文主要介绍一种用于降维和可视化的算法t-SNE，并且对其原理与使用进行讲解，本篇为第一部分t-SNE与SNESNEt-SNE的全称是t-DistributedStochasticNeighborEmbedding

转行的炼丹师·2020-06-23 23:52

tsne

简介t-SNE(t-distributedstochasticneighborembedding)是用于降维的一种机器学习算法，是由LaurensvanderMaaten和GeoffreyHinton在

AI_future·2020-06-21 16:32

【书评】乙一——令人惊艳的天才（未完）

当然有可能是受了后记所说的sne

暗夜如歌·2020-04-14 02:02

学习：StatQuest-t-SNE

前言t-SNE有别于PCA，PCA是一种线性降维，而t-SNE基于的是“概率”进行降维，在高维空间，当两个样品点相近是，其条件概率也会最大，而t-SNE也就是抓住了这个特点，将距离的相近转化为条件概率的最大化进行降维

小潤澤·2020-04-08 22:39

StatQuest学习笔记13——LDA

第38小节的内容是LDA，全称是LinearDiscriminantAnalysis，中文翻译为线性判别分析，这种方法能够对一些数据进行分类，对数据分类的其它方法还是PCA，t-SNE，SVM。

backup备份·2020-04-08 06:25

python主题LDA建模和t-SNE可视化

p=4261使用潜在Dirichlet分配（LDA）和t-SNE中的可视化进行主题建模。本文中的代码片段仅供您在阅读时更好地理解。有关完整的工作代码，请参阅此回购。

LT_Ge·2020-04-06 09:48

使用Rtsne包进行t-SNE降维分析

t-SNE降维算法是由机器学习领域的大牛在2008年提出的一种高效的降维算法，属于非线性降维算法的一种，相比之前常用的PCA算法，该算法更加的先进，应用的领域也非常的多，在单细胞转录组的数据分析中，t-SNE

生信修炼手册·2020-03-31 23:11

Seurat:用于分析10X单细胞转录组数据的R包

Seurat是一个分析单细胞转录组数据的R包，提供了t-SNE降维分析，聚类分析，mark基因识别等多种功能，网址如下https://satijalab.org/seurat/基本用法如下1.导入10X

生信修炼手册·2020-03-14 13:14

单细胞RNA降维之UMAP

UMAP首先，UMAP是一种非线性降维的算法，相对于t-SNE，UMAP算法更加快速该方法的原理是利用流形学和投影技术，达到降维目的首先计算高维空间中的点之间的距离，将它们投影到低维空间，并计算该低维空间中的点之间的距离

小潤澤·2020-03-13 10:42

ContextImpl 注册service源码分析

(fetcherinstanceofStaticServiceFetcher)){fetcher.mContextCacheIndex=sNe

尔乐·2020-03-13 06:06

[GCN] 代码解析 of GitHub：Semi-supervised classification with graph convolutional networks

原GitHub：GraphConvolutionalNetworksinPyTorch本人增加结果可视化(使用t-SNE算法)的GitHub：Result-Visualization-of-Graph-Convolutional-Networ

Harry嗷·2020-03-03 14:55

python代码实现TSNE降维数据可视化教程

（t-SNE）t分布随机邻域嵌入是一种用于探索高维数据的非线性降维算法。它将多维数据映射到适合于人类观察的两个或多个维度。

WANG_DDD·2020-02-28 11:40

实验记录3：用R包Seurat进行QC、PCA分析与t-SNE聚类

进行质量控制（QC），以删除异常细胞；标准化与归一化，消除技术噪音与批次效应；主成分分析（PCA）与挑选t-SNE聚类参考网站：https://satijalab.org/

MC学公卫·2020-02-09 07:52

初次接触流形学习和t-SNE技术

流形学习低维流形空间映射到高维空间中去(低维->高维，看了一天觉得这样好理解)，也就是说一个高维空间可以有一个简单的低维流形空间来刻画。举个简单的栗子，一个圆在二维空间中需要(x,y)两个坐标参数，而在极坐标系中只需要半径r一个参数就可以刻画出来了，也就是说高维空间中存在性质的冗余。流形学习要做的就是找到高维空间的嵌入空间(低维空间，嵌入空间是给后面的sklearn埋下伏笔网上冲浪的许久，这个回答

SexCode·2020-02-07 20:00

索尼靠CIS挣了多少钱？

根据MoneyDJXQ全球赢家系统报价，于美国挂牌的SonyADR(SNE.US)4日飙涨3.60%，收73.02美元，创2001年6月11日以来收盘新高纪录。

itwriter·2020-02-05 15:00

推荐频道

SNE