PCA 在 Bag of Visual Words/Features 中产生的维度？
PCA resulting dimension in Bag of Visual Words/Features?
在 this question I ask what is a reasonable dimension for a vector in the Bag of Features 模型中。由于 k 很大，因此维数太大而无法有效管理，因此执行 PCA 以减少维数。 在这样的应用程序中，通常产生的向量维数是多少（与起始 k 维向量相关）？
通常 不 使用 PCA。
因为这样你就失去了稀疏性。出于性能原因，您想要稀疏向量，所以不要使用 PCA。
在 this question I ask what is a reasonable dimension for a vector in the Bag of Features 模型中。由于 k 很大，因此维数太大而无法有效管理，因此执行 PCA 以减少维数。 在这样的应用程序中，通常产生的向量维数是多少（与起始 k 维向量相关）？
通常 不 使用 PCA。
因为这样你就失去了稀疏性。出于性能原因，您想要稀疏向量，所以不要使用 PCA。