首页 文章

在MATLAB中用PCA降低特征的维数

提问于
浏览 次
1

我对PCA感到困惑 . 我有一个尺寸为90x60x12x350的4D图像 . 这意味着每个体素是大小为350的向量（时间序列） .

现在我将3D图像（90x60x12）分成立方体 . 所以让我们说一个立方体包含n个体素，所以我有n个大小为350的向量 . 我想将这个 n 向量减少到只有一个向量，然后计算所有立方体的所有向量之间的相关性 .

所以对于一个立方体，我可以构造矩阵 M ，我只是将每个体素放在彼此之后，即 M = [v1 v2 v3 ... vn] ，每个 v 的大小为350 .

现在我可以使用 [coeff, score, latent, ~, explained] = pca(M); 并使用第一个组件在Matlab中应用PCA . 现在我的困惑开始了 .

  • 我应该转置矩阵 M ，即 PCA(M') ？

  • 我应该选择coeff或得分的第一列吗？

  • 这第三个问题现在有点无关 . 假设我们有一个矩阵 A = rand(30,100) ，其中行是数据点，列是要素 . 现在我想减少特征向量的维数，但保留所有数据点 .

我怎么能用PCA做到这一点？

当我做 [coeff, score, latent, ~, explained] = pca(M); 时，coeff的维度为100x29，得分大小为30x29 . 我完全糊涂了 .

matlab pca

2 回答

  • 4

    • 是的，根据 pca 帮助，"Rows of X correspond to observations and columns to variables."

    • score 只是告诉你 M 在主成分空间中的表示 . 你想要 coeff 的第一列 .

    numberOfDimensions = 5;
coeff = pca(A);
reducedDimension = coeff(:,1:numberOfDimensions);
reducedData = A * reducedDimension;
    回复于
  • 0

    我不同意上面的答案 .

    [coeff,score]=pca(A)

    其中A有行作为观察，列作为要素 .

    如果A有3个特征和3个观察值（比方说100）并且你想要2个维度的“特征”，比如矩阵B（B的大小是100X2） . 你应该做的是：

    B = score(:,1:2);
    回复于

相关问题