OpenCV 主成分分析术语 - 'sample' 实际上是什么？
OpenCV Principal Component Analysis terminology - what actually is a 'sample'?
我正在使用 openCV 中的主成分分析 (PCA)。我感兴趣的案例的构造函数输入是：
PCA(InputArray data, InputArray mean, int flags, double retainedVariance);
关于 InputArray 'data' 文档指出适当的标志应该是：
CV_PCA_DATA_AS_ROW indicates that the input samples are stored as
matrix rows.
CV_PCA_DATA_AS_COL indicates that the input samples are
stored as matrix columns.
我的问题与术语 'samples' 的使用有关，因为我不确定在这种情况下样本是什么。
例如，假设我有 4 组数据，为了便于说明，我们将它们标记为 A-D。现在每个集合 A 到 D 都有 8 个元素。然后将它们设置在我将用作 InputArray 的 Mat 变量中，如下所示：
问题是，是哪个：
- 我的套是样本？
- 我的数据元素是样本？
另一种提问方式：
- 我有4个样本吗(CV_PCA_DATA_AS_COL)
- 或者我有4组8个样本(CV_PCA_DATA_AS_ROW)
?
作为 猜测，我会选择 CV_PCA_DATA_AS_COL（即我有 4 个样本）- 但这就是我的脑子在……在我学会正确的术语之前，'sample' 这个词似乎可以适用于任何一种推理。
呃...
所以通过反转 PCA::project 步骤文档背后的逻辑找到了答案...
Mat PCA::project(InputArray vec)
vec – input vector(s); must have the same dimensionality and the same
layout as the input data used at PCA phase, that is, if
CV_PCA_DATA_AS_ROW are specified, then vec.cols==data.cols (vector
dimensionality)
即'sample'等价于'set'，元素为'dimension'.
（我的猜测是正确的:)
我正在使用 openCV 中的主成分分析 (PCA)。我感兴趣的案例的构造函数输入是：
PCA(InputArray data, InputArray mean, int flags, double retainedVariance);
关于 InputArray 'data' 文档指出适当的标志应该是：
CV_PCA_DATA_AS_ROW indicates that the input samples are stored as matrix rows. CV_PCA_DATA_AS_COL indicates that the input samples are stored as matrix columns.
我的问题与术语 'samples' 的使用有关，因为我不确定在这种情况下样本是什么。
例如，假设我有 4 组数据，为了便于说明，我们将它们标记为 A-D。现在每个集合 A 到 D 都有 8 个元素。然后将它们设置在我将用作 InputArray 的 Mat 变量中，如下所示：
问题是，是哪个：
- 我的套是样本？
- 我的数据元素是样本？
另一种提问方式：
- 我有4个样本吗(CV_PCA_DATA_AS_COL)
- 或者我有4组8个样本(CV_PCA_DATA_AS_ROW)
?
作为 猜测，我会选择 CV_PCA_DATA_AS_COL（即我有 4 个样本）- 但这就是我的脑子在……在我学会正确的术语之前，'sample' 这个词似乎可以适用于任何一种推理。
呃...
所以通过反转 PCA::project 步骤文档背后的逻辑找到了答案...
Mat PCA::project(InputArray vec)
vec – input vector(s); must have the same dimensionality and the same layout as the input data used at PCA phase, that is, if CV_PCA_DATA_AS_ROW are specified, then vec.cols==data.cols (vector dimensionality)
即'sample'等价于'set'，元素为'dimension'.
（我的猜测是正确的:)