选择在 PCA 中显示最大方差的组件
Selecting the components showing the most variance in PCA
我有一个庞大的数据集 (32000*2500) 需要训练。这对我的分类器来说似乎太多了，所以我决定阅读一些关于降维的内容，特别是 PCA。
根据我的理解，PCA 选择当前数据并将它们重新绘制在另一个 (x,y) domain/scale 上。这些新坐标没有任何意义，只是重新排列数据以给出一个轴的最大变化。在这些新系数之后，我可以删除具有最小变化的 cooeff。
现在我正尝试在 MatLab 中实现它，但在处理提供的输出时遇到了问题。 MatLab 始终将行视为观察值，将列视为变量。所以我对 pca 函数的输入将是我的大小矩阵 (32000*2500)。这将 return 大小为 2500*2500.
的输出矩阵中的 PCA 系数
pca 状态的帮助：
Each column of coeff contains coefficients for one principal
component, and the columns are in descending order of component
variance.
在此输出中，哪个维度是我的数据观察值？我的意思是，如果我必须将其提供给分类器，coeff 的行会代表我的数据观察结果还是现在 coeff 的列？
如何删除变化最小的系数？
(免责声明：从matlab转scipy已经很久了，但是原理是一样的。)
如果您使用 svd function
[U,S,V] = svd(X)
然后要将 X 的维度减少到 k，您需要乘以 V 的前 k 列。在 matlab 中，我猜那是
X * V(:, 1: k);
我有一个庞大的数据集 (32000*2500) 需要训练。这对我的分类器来说似乎太多了，所以我决定阅读一些关于降维的内容，特别是 PCA。
根据我的理解，PCA 选择当前数据并将它们重新绘制在另一个 (x,y) domain/scale 上。这些新坐标没有任何意义，只是重新排列数据以给出一个轴的最大变化。在这些新系数之后，我可以删除具有最小变化的 cooeff。
现在我正尝试在 MatLab 中实现它，但在处理提供的输出时遇到了问题。 MatLab 始终将行视为观察值，将列视为变量。所以我对 pca 函数的输入将是我的大小矩阵 (32000*2500)。这将 return 大小为 2500*2500.
pca 状态的帮助：
Each column of coeff contains coefficients for one principal component, and the columns are in descending order of component variance.
在此输出中，哪个维度是我的数据观察值？我的意思是，如果我必须将其提供给分类器，coeff 的行会代表我的数据观察结果还是现在 coeff 的列？
如何删除变化最小的系数？
(免责声明：从matlab转scipy已经很久了，但是原理是一样的。)
如果您使用 svd function
[U,S,V] = svd(X)
然后要将 X 的维度减少到 k，您需要乘以 V 的前 k 列。在 matlab 中，我猜那是
X * V(:, 1: k);