मुझे जावा में पीसीए के कार्यान्वयन की आवश्यकता है। मुझे कुछ ऐसा खोजने में दिलचस्पी है जो अच्छी तरह से प्रलेखित, व्यावहारिक और उपयोग में आसान है। कोई सिफारिशें?जावा में पीसीए कार्यान्वयन
उत्तर
यहां एक है: PCA Class।
इस कक्षा में एक मूल प्रिंसिपल घटक विश्लेषण के लिए एक वैरिमैक्स रोटेशन के साथ आवश्यक विधियां शामिल हैं। विकल्पों को कॉन्वर्सिस या सहसंबंध मार्टिक्स का उपयोग करके विश्लेषण के लिए उपलब्ध हैं। मोंटे कार्लो सिमुलेशन का उपयोग करते हुए एक समांतर विश्लेषण किया जाता है। एकता से अधिक ईग्नवेल पर आधारित निष्कर्षण मानदंड, मोंटे कार्लो ईजेनवल्यू प्रतिशत से अधिक या मोंटे कार्लो ईजेनवाल्यू से अधिक अर्थ उपलब्ध हैं। वास्तव में
जांच http://weka.sourceforge.net/doc.stable/weka/attributeSelection/PrincipalComponents.html Weka कई अन्य एल्गोरिथ्म कि पीसीए के साथ साथ इस्तेमाल किया जा सकता है और यह भी Weka समय-समय पर अधिक एल्गोरिथ्म जोड़ रहा है। तो मैं बात करता हूं, अगर आप जावा पर काम कर रहे हैं तो वीका एपीआई पर स्विच करें।
अब जावा के लिए प्रिंसिपल कंपोनेंट विश्लेषण कार्यान्वयन के कई सारे हैं।
अपाचे स्पार्क: https://spark.apache.org/docs/2.1.0/mllib-dimensionality-reduction.html#principal-component-analysis-pca
SparkConf conf = new SparkConf().setAppName("PCAExample").setMaster("local"); try (JavaSparkContext sc = new JavaSparkContext(conf)) { //Create points as Spark Vectors List<Vector> vectors = Arrays.asList( Vectors.dense(-1.0, -1.0), Vectors.dense(-1.0, 1.0), Vectors.dense(1.0, 1.0)); //Create Spark MLLib RDD JavaRDD<Vector> distData = sc.parallelize(vectors); RDD<Vector> vectorRDD = distData.rdd(); //Execute PCA Projection to 2 dimensions PCA pca = new PCA(2); PCAModel pcaModel = pca.fit(vectorRDD); Matrix matrix = pcaModel.pc(); }
ND4J: http://nd4j.org/doc/org/nd4j/linalg/dimensionalityreduction/PCA.html
//Create points as NDArray instances List<INDArray> ndArrays = Arrays.asList( new NDArray(new float [] {-1.0F, -1.0F}), new NDArray(new float [] {-1.0F, 1.0F}), new NDArray(new float [] {1.0F, 1.0F})); //Create matrix of points (rows are observations; columns are features) INDArray matrix = new NDArray(ndArrays, new int [] {3,2}); //Execute PCA - again to 2 dimensions INDArray factors = PCA.pca_factor(matrix, 2, false);
Apache Commons मठ (एकल लड़ी, कोई ढांचा)
//create points in a double array double[][] pointsArray = new double[][] { new double[] { -1.0, -1.0 }, new double[] { -1.0, 1.0 }, new double[] { 1.0, 1.0 } }; //create real matrix RealMatrix realMatrix = MatrixUtils.createRealMatrix(pointsArray); //create covariance matrix of points, then find eigen vectors //see https://stats.stackexchange.com/questions/2691/making-sense-of-principal-component-analysis-eigenvectors-eigenvalues Covariance covariance = new Covariance(realMatrix); RealMatrix covarianceMatrix = covariance.getCovarianceMatrix(); EigenDecomposition ed = new EigenDecomposition(covarianceMatrix);
नोट, सिंगुलर वैल्यू डिकंपोजिशन, जिसका उपयोग प्रिंसिपल कंपोनेंट्स को खोजने के लिए भी किया जा सकता है, के बराबर कार्यान्वयन है।
Smile जावा के लिए एक पूर्ण एमएल लाइब्रेरी है। आप अपने पीसीए कार्यान्वयन को एक कोशिश देते हैं। कृपया देखें: https://haifengl.github.io/smile/api/java/smile/projection/PCA.html
स्माइल के साथ पीसीए tutorial भी है लेकिन ट्यूटोरियल स्कैला का उपयोग करता है।
- 1. पीसीए और केएनएन एल्गोरिदम
- 2. पीसीए पहले या सामान्यीकरण पहले?
- 3. जावा आदिम कार्यान्वयन
- 4. जावा ओसीआर कार्यान्वयन
- 5. आर-ट्री कार्यान्वयन जावा
- 6. सेगमेंट पेड़ जावा कार्यान्वयन
- 7. सीआरसी 16 कार्यान्वयन जावा
- 8. जावा जेएनए विंडोप्रोक कार्यान्वयन
- 9. जावा कार्यान्वयन ... जेवीएम?
- 10. जावा - कार्यान्वयन इंटरफेस
- 11. स्टैंडअलोन जावा कार्यान्वयन?
- 12. जावा ऐरे हैशकोड कार्यान्वयन
- 13. libsvm जावा कार्यान्वयन
- 14. रिग्रेशन और पीसीए की दृश्य तुलना
- 15. एक प्रमुख घटक विश्लेषण (पीसीए) प्लॉट
- 16. जावा में एक हैंडलबर्स.जेएस कार्यान्वयन मौजूद है?
- 17. जावा में बी + ट्री ऑन-डिस्क कार्यान्वयन
- 18. जावा में मूल कार्यान्वयन क्या है?
- 19. जावा में मित्र अवधारणा का कार्यान्वयन
- 20. जावा में आदेश सूची मानचित्र कार्यान्वयन
- 21. मशीन सीखने में पीसीए या एसवीडी का महत्व
- 22. जावा पर बारकोड स्कैनर कार्यान्वयन
- 23. सामान्यीकृत प्रत्यय पेड़ जावा कार्यान्वयन
- 24. इंटरवलट्री डिलीट नोड जावा कार्यान्वयन
- 25. जावा कतार का सर्वोत्तम कार्यान्वयन?
- 26. जावा कतार कार्यान्वयन, कौन सा?
- 27. जावा प्रतिबिंब: एक कार्यान्वयन वर्ग
- 28. कोई जावा हैश पेड़ कार्यान्वयन?
- 29. ओपन जावा एसएमबी सर्वर कार्यान्वयन
- 30. कार्यान्वयन
अमान्य लिंक, कृपया केवल एक लिंक के साथ सवालों के जवाब देने से बचने का प्रयास करें, क्योंकि वे भविष्य में समाप्त हो सकते हैं और अविश्वसनीय हो सकते हैं। – Iancovici