問題タブ [dimension-reduction]

幅と高さが常に同じ 2 次元グリッドがあります。

そのデータ ソースを 1 次元配列に縮小しました。

要素へのアクセスは機能しますが、ここで注意が必要な部分があります。1 次元配列を処理しているときに、セルの隣のセルがグリッドの外にあるかどうかを知るにはどうすればよいでしょうか?

たとえば、[5] の右上隣はグリッドから外れていますが、計算されたオフセット インデックスを使用すると、[3] が得られます。

この分野で経験のある人はいますか？

「randomized」を使用する場合、分散比は約 0.5 (n_iter=10)、「arpack」を使用する場合、分散比は約 0.9 です。

「randomized」アルゴリズムの分散比は、「arpack」の分散比よりも低くなっています。

では、なぜ scikit-learn truncatedSVD はデフォルトで「ランダム化」アルゴリズムを使用するのでしょうか?

[0,1....N-1] を 1 | のように、N 次元ベクトルを 1 つのグループ/ポイントにマッピングする必要があります。[1,2....N-1] から 2.

問題は、現在、次元ベクトルを受け取り、ポイントを返す 1 つの関数があることです。そのポイントは結果です。関数の呼び出しを避けたいのですが、既にすべての結果がテーブルに格納されています。問題は、関数を削除し、新しいエントリを既存のポイントにマッピングする必要があります。

エントリを正しいポイントにマッピングする方法はありますか?

正しいポイントにマッピングするためのアルゴリズムはありますか?

助けやアドバイスはありますか？

このトピックは既に見ましたが、ヒルベルト曲線が解かどうかはわかりません。もっと勉強する必要があります。 ヒルベルト曲線上の点への N 次元値のマッピング

感謝します。

Python で直交マッチング追跡アルゴリズムを実行すると、次の警告が表示されます。

RuntimeWarning: ディクショナリの線形依存が原因で、直交マッチングの追跡が途中で終了しました。要求された精度が満たされていない可能性があります。

辞書の線形依存関係を削除するにはどうすればよいですか?