你能不能帮我添加wordcloud的缩放选项
请找到可复制的例子@ “http://shiny.rstudio.com/gallery/word-cloud.html”
我试图合并rbokeh和plotly但是找不到wordcloud等效的渲染功能 另外,我从github @中找到了ECharts “https://github.com/XD-DENG/ECharts2Shiny/tree/8ac690a8039abc2334ec06f394ba97498b518e81”
但是加入这个ECharts对于真正的缩放也不方便。
提前致谢, 阿比
答案 0 :(得分:0)
通常,PCA包括将数据居中作为预处理步骤。
PCA仅将数据安排在自己的Axis(Eigne Vectors)系统中 如果使用所有轴,则不会丢失任何信息。
然而,通常我们希望直观地应用Dimensionality Reduction,使数据的坐标更少
此过程意味着将数据投影到子空间中,该空间仅由数据的一些特征向量跨越
如果明智地选择了向量的数量,最终可能会导致数据维数的显着减少,而数据/信息的丢失可以忽略不计。
这样做的方法是选择特征向量,它们的特征值与大部分数据幂相加。
答案 1 :(得分:0)
仅当预测变量不能与原始缩放比较时才需要归一化。没有规则说你必须正常化。
PCA是一种统计方法,可为您提供新的线性变换。它本身就没有任何损失。它只是给你新的主要组成部分。
只有在选择这些主要组件的子集时才会丢失信息。
答案 2 :(得分:0)
PCA本身是可逆的,所以无损。
可是: