如何在matlab中使用PCA减少矩阵维数？ [复制]

Posted 2023-03-12

【中文标题】如何在matlab中使用PCA减少矩阵维数？ [复制]

【英文标题】：How to reduce matrix dimension using PCA in matlab? [duplicate]

【发布时间】：2015-07-19 09:43:16

【问题描述】：

我想减少更大维度的矩阵，即 2000*768；到一些较低的尺寸，即 200*768 或 400*400（不固定）；在 MatLab 中使用主成分分析 (PCA)。我想这样做是为了减少特征尺寸。我怎样才能轻松做到？请推荐一些教程来更好地理解 PCA。

提前致谢。

【问题讨论】：

欢迎来到 SO！请查看***.com/tour。通常，您会在此处提问之前展示您尝试过的内容。

很惊讶您没有使用 Google。重复的链接是我找到的第一个。

【参考方案1】：

PCA 是一种非常有用的降维工具，但是当您确切了解它在做什么以及从中得到什么时，就应该使用它。对于一个好的介绍click here - 这是一个不错的解释，不难理解。还有this article，这是一个快速的 DIY 演练，可以帮助您更好地了解正在发生的事情。

一旦你知道你得到了什么，PCA is easy in matlab。只需输入pca(X)，即可对数据集X执行。

得到的结果在很大程度上取决于得到的结果（例如things like normalisation are very important for input data），您可以使用值得了解的额外参数来设置主成分分析。 See matlab's guide here.

您在降维中寻找的内容是用尽可能少的组件最好地表示数据。使用[coeff,score,latent,tsquared,explained] = pca(X) 的explained 输出，您会得到一个向量，告诉您每个主成分解释了多少数据，这可以很好地指示是否可以进行降维。

【讨论】：

虽然答案很有趣，但我认为您不应该回答这类问题，因为它会鼓励跑题。

好的，让它尽可能通用，以便在 OP 需要时对其进行调查。可能应该刚刚评论它。

实际上，根据 SO 的标准，要求资源的问题被认为是题外话

啊，好的，谢谢提醒