問題タブ [multi-dimensional-scaling]

次のようなデータセット (「データ」) があります。

すべてのデータポイントを含む MDS プロットを生成する必要があります。また、訪問ポイントを線で結び、訪問 1 を緑、訪問 2 を赤、訪問 3 を黒で色付けする必要があります (すべての個人で一貫した色)。

私のコードは次のようになります (非常に長いですが、機能しません)。

よろしくお願いします。

次のようなデータ フレームがあるとします。

このデータのすべての次元 (つまり、a、b、c、d、e) のヒストグラムを、各次元で指定されたブレークで計算したいと考えています。明らかに、因子次元は、それらのブレークが既に含まれていることを意味します。最終的なデータは、各行がすべての次元 (ブレークの組み合わせ) にわたるブレークのベクトルであり、この組み合わせのデータ発生回数である data.frame のようにする必要があります。Python numpy には histogramdd: Multidimension histogram in python があります。Rに似たようなものはありますか？Rでこれを行う最良の方法は何ですか? ありがとうございました。

私は最終的に次のようにしました。ここでは、ビンのカウントが最後の行として関数に渡されます。

12 か国のペアの非類似度評価で構成されるデータフレームがあり、基本的に列 (国) を 3 つの異なるグループに分割します (それらのスコアを組み合わせません)。

非メトリック多次元スケーリングを実行しているため、これら 3 つのグループに従って凸包を使用して非類似度の評価をプロットしたいと思います。

プロットを作成するためのコードは知っていますが、不足しているのは必要なグループ化変数だけであり、一生それを作成する方法を理解することはできません。

これはおそらくイライラするほど単純なコマンドですが、本当に迷っています。

私の分野の多くの記事で、この文が繰り返されています。行が異なる主題を定義し、列が特徴 (ボクセル) である 2 つの行列があるとします。これらの記事では、正規化方法についてあまり説明がありません。「同じ平均二乗和」を持つようにデータを正規化する方法を知っている人はいますか? 私はそれをまったく理解していません。ありがとう

私は sci-kit Learn で線形回帰モデルを構築しており、sci-kit Learn Pipeline の前処理ステップとして入力をスケーリングしています。バイナリ列のスケーリングを回避する方法はありますか? 何が起こっているかというと、これらの列が他のすべての列でスケーリングされているため、値が 0 または 1 ではなく 0 を中心に配置されるため、[-0.6, 0.3] のような値が得られ、入力値が 0 になります。私の線形モデルの予測に影響を与えます。

説明する基本的なコード:

最後の行の出力が次のようになることを望みます。

これを達成する方法はありますか？バイナリではない列を選択し、それらを変換するだけで、変換された値を配列に戻すことができると思いますが、sci-kit Learn Pipeline ワークフローとうまく連携させたいので、次のようにします。

多次元スケーリングを実行した後、固有値を調べることに興味があります。どの機能がそれを行うことができますか? ドキュメントを見ましたが、固有値についてはまったく言及されていません。

コードサンプルは次のとおりです。

多次元スケーリングの手順を理解しようとしていますが、その方法はセンタリング マトリックスに基づいています。彼の正確な役割がわかりません。

不一致に基づいて MDS を距離行列に適用しようとしています (つまり、「HSAUR」パッケージの「投票」データセットです)。それを 2 次元に縮小し、cmdscale() 関数を使用せずにプロットしようとしています。しかし、自分でやろうとすると同じ結果が得られません。コードは次のとおりです。

私は標準的な教科書の表記に従っています。これは私が得るデータマトリックスYhatです：

cmdscale() のものとの比較:

それらは相関しているように見えますが、異なる結果の原因がわかりません。コードの修正をいただければ幸いです。よろしくお願いします。