在降低数据集维度后,我得到了负的特征值

我在一组大型数据集上使用了一种降维方法(讨论见:随机投影算法伪代码)。

将维度从1000降至50后,我得到了新的数据集,每个样本看起来像这样:

[ 1751. -360. -2069. …, 2694. -3295. -1764.]

现在我有点困惑,因为我不明白负的特征值代表什么。这样的负特征值是可以接受的吗?因为在降维之前,每个样本是这样的:

3, 18, 18, 18, 126 …

这是正常的还是我做错了什么?


回答:

我猜你实现了这篇论文中的算法。

由于投影矩阵中有一些负值,因此投影将正值映射到负值是可以的。所以符号的变化并不表示有错误。

Related Posts

Keras Dense层输入未被展平

这是我的测试代码: from keras import…

无法将分类变量输入随机森林

我有10个分类变量和3个数值变量。我在分割后直接将它们…

如何在Keras中对每个输出应用Sigmoid函数?

这是我代码的一部分。 model = Sequenti…

如何选择类概率的最佳阈值?

我的神经网络输出是一个用于多标签分类的预测类概率表: …

在Keras中使用深度学习得到不同的结果

我按照一个教程使用Keras中的深度神经网络进行文本分…

‘MatMul’操作的输入’b’类型为float32,与参数’a’的类型float64不匹配

我写了一个简单的TensorFlow代码,但不断遇到T…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注