在 OpenCV 中使用 PCA 进行降维，特征向量的维数错误
Dimension reduction with PCA in OpenCV, wrong dimensions of eigenvectors
我不确定这个问题是否已经在 Whosebug 上，但我找不到它所以我决定提出一个新问题。我正在尝试减少特征矩阵的维度。我有 58 个特征和 30 个实例/测量。我想将特征数量减少到 40 个。但是我的矩阵维度似乎有问题。
featureMatrix_cv是我的特征矩阵，30行58列
PCA pca_analysis(featureMatrix_cv, cv::Mat(), cv::PCA::DATA_AS_ROW, 40);
cv::Mat neu = pca_analysis.project(featureMatrix_cv.row(0));
第一个问题是，pca_analysis.eigenvectors 的尺寸我认为是错误的（30 行和 58 列）。我在几个教程中读到，我应该得到 N 个 N 维特征向量，其中 N 是特征的数量（这里是 58）。 pca_analysis.eigenvalues（30 行和 1 列）的相同问题，它应该增大大小 (58, 1)。
在第二行中，我尝试将第一个实例投影到新维度 space，但这不起作用，因为不是 40 个值，而是 pca_analysis.project returns 一个有 30 个值的矩阵。我在教程中读到投影 vector/matix 应该有 40 个值，即特征的维度 space.
有没有人可以帮助我或遇到类似的问题？
好的，所以在找到 this thread 之后，我现在知道问题出在哪里了：我需要的实例多于特征！如果我有 58 个特征，我只需要至少 58 个样本。这对我来说不是问题，因为我有足够的数据，我一直在使用30个样本进行测试。
我不确定这个问题是否已经在 Whosebug 上，但我找不到它所以我决定提出一个新问题。我正在尝试减少特征矩阵的维度。我有 58 个特征和 30 个实例/测量。我想将特征数量减少到 40 个。但是我的矩阵维度似乎有问题。
featureMatrix_cv是我的特征矩阵，30行58列
PCA pca_analysis(featureMatrix_cv, cv::Mat(), cv::PCA::DATA_AS_ROW, 40); cv::Mat neu = pca_analysis.project(featureMatrix_cv.row(0));第一个问题是，
pca_analysis.eigenvectors的尺寸我认为是错误的（30 行和 58 列）。我在几个教程中读到，我应该得到 N 个 N 维特征向量，其中 N 是特征的数量（这里是 58）。pca_analysis.eigenvalues（30 行和 1 列）的相同问题，它应该增大大小 (58, 1)。在第二行中，我尝试将第一个实例投影到新维度 space，但这不起作用，因为不是 40 个值，而是
pca_analysis.projectreturns 一个有 30 个值的矩阵。我在教程中读到投影 vector/matix 应该有 40 个值，即特征的维度 space.
有没有人可以帮助我或遇到类似的问题？
好的，所以在找到 this thread 之后，我现在知道问题出在哪里了：我需要的实例多于特征！如果我有 58 个特征，我只需要至少 58 个样本。这对我来说不是问题，因为我有足够的数据，我一直在使用30个样本进行测试。