【问题标题】:how could I know which dimensions are the principle component? [duplicate]我怎么知道哪些维度是主要组成部分? [复制]
【发布时间】:2013-04-24 22:00:26
【问题描述】:

我使用matlab 的princomp 函数来做PCA。 根据我的理解,我可以检查潜在的来决定我需要多少个维度。

[coeff, score, latent, t2] = princomp(fdata);
 cumsum(latent)./sum(latent);

通过使用 trainMatrix = coeff(:,1:10)(我选择前 10 个维度)和 newData = data*trainMatrix,我可以得到减少的数据。

但是我怎么知道哪个维度减少了,哪10个维度保留了呢?

我的意思是如果我有30个特征,我可以在princomp之后弄清楚我保留了哪10个特征(原始数据的列索引)吗?

谢谢。

【问题讨论】:

    标签: matlab linear-algebra pca eigenvalue dimensionality-reduction


    【解决方案1】:

    新维度对应于原始维度的线性组合,即每个新特征都用具有不同权重的所有旧特征来表示。

    【讨论】:

    • 我的意思是有什么方法可以知道特征值排序结果?例如,我可以找出哪个功能是主要功能。我可以使用系数矩阵来确定哪个特征的权重最大吗?
    • @FreyaRen:PCA 只是在一个新的坐标系中表达相同的数据,使得第一个维度包含数据中最大的方差,下一个维度是垂直的并且沿着最大的剩余方差定向,并且等等...也许像这样的可视化可以帮助您理解它:mathworks.com/help/stats/biplot.html。当然,您可以将维度截断为第一个 k 维度,然后选择 k 以获得足够好的近似值,其中包含原始数据方差的 95%
    猜你喜欢
    • 1970-01-01
    • 1970-01-01
    • 1970-01-01
    • 2021-10-05
    • 1970-01-01
    • 2013-01-27
    • 2021-12-20
    • 2014-09-23
    • 1970-01-01
    相关资源
    最近更新 更多