如何在具有矢量元素的矩阵上进行 PCA？
How can you do PCA on a matrix with vector-elements?
我有一个矩阵 M x N x 2，我想对其应用 PCA。我知道，通常你只需要 MxN 矩阵，但我正在尝试从 Seiichi Uchida 的这篇论文中做一些工作：
https://www.researchgate.net/publication/3973917_Using_eigen-deformations_in_handwritten_character_recognition
（特别是 2.1 和 2.2）
矩阵在向量的帮助下表示变形。每一列都是一个vector(dimension = pixels) 包含vectors(dimension = 2, 代表坐标)
我是否只需要连接向量，或者我该如何解决这个问题？
我不明白你所说的连接向量是什么意思。
无论如何，PCA 通常用于组合数值连续变量，因此您可以简单地将坐标拆分为两个单独的特征，并将它们作为任何其他列独立对待。
任何将坐标转换为非数值变量的选项都可能导致 PCA 不是减少特征的最佳算法。
我有一个矩阵 M x N x 2，我想对其应用 PCA。我知道，通常你只需要 MxN 矩阵，但我正在尝试从 Seiichi Uchida 的这篇论文中做一些工作：
https://www.researchgate.net/publication/3973917_Using_eigen-deformations_in_handwritten_character_recognition （特别是 2.1 和 2.2）
矩阵在向量的帮助下表示变形。每一列都是一个vector(dimension = pixels) 包含vectors(dimension = 2, 代表坐标)
我是否只需要连接向量，或者我该如何解决这个问题？
我不明白你所说的连接向量是什么意思。
无论如何，PCA 通常用于组合数值连续变量，因此您可以简单地将坐标拆分为两个单独的特征，并将它们作为任何其他列独立对待。
任何将坐标转换为非数值变量的选项都可能导致 PCA 不是减少特征的最佳算法。