Est-ce que quelqu'un sait comment implémenter l'analyse en composantes principales (PCA) sur une matrice m-by-n dans Matlab pour la normalisation?Analyse en composantes principales implémentation matricielle m-by-n
Répondre
En supposant que chaque colonne est un échantillon (à savoir, il n
échantillons chacun de dimension m
), et il est stocké dans une matrice A
vous devez d'abord soustraire de la colonne signifie:
Amm = bsxfun(@minus,A,mean(A,2));
vous veulent faire une décomposition en valeurs propres sur 1/size(Amm,2)*Amm*Amm'
(vous pouvez utiliser 1/(size(Amm,2)-1)
comme un facteur d'échelle si vous voulez un interpetation comme une matrice de covariance non biaisée) avec:
[v,d] = eig(1/size(Amm,2)*Amm*Amm');
Et la co Lumns de v
vont être vos vecteurs PCA. Les entrées de d
vont être vos "variances" correspondantes.
Toutefois, si votre m
est énorme, ce n'est pas la meilleure façon de procéder, car stocker Amm*Amm'
n'est pas pratique. Vous voulez calculer la place:
[u,s,v] = svd(1/sqrt(size(Amm,2))*Amm,'econ');
Cette fois u
contient vos vecteurs de PCA. Les entrées de s
sont liées aux entrées de d
par un sqrt
.
Note: il y a une autre façon d'aller si m
est énorme, à savoir l'informatique eig(1/size(Amm,2)*Amm '*Amm);
(notez le commutateur de transposés par rapport ci-dessus) et faire un peu de ruse, mais il est une explication plus je ne vais pas entrer.
- 1. Analyse en composantes principales dans MATLAB
- 2. paquet ade4 - analyse en composantes principales
- 3. analyse en composantes principales avec Matplotlib
- 4. Analyse en composantes principales (PCA) - accès à la forme
- 5. Python - Erreur d'analyse en composantes principales (PCA)
- 6. Analyse de composantes principales avec des voxels utilisant Matlab
- 7. analyse en composantes principales biplot en R avec des polygones convexes
- 8. Questions générales sur l'analyse en composantes principales (ACP) dans R
- 9. Calcul de l'analyse en composantes principales (PCA) en utilisant python
- 10. Exemple de travail de l'analyse en composantes principales?
- 11. Ajout d'ellipses à un tracé d'analyse en composantes principales (ACP)
- 12. Analyse matricielle dans Matlab
- 13. Comment afficher tous les échantillons de composantes principales dans R?
- 14. Débutant - implémentation d'addition matricielle en C++
- 15. C: Analyse matricielle avec entiers
- 16. Alignement de nuages de points à l'aide de l'analyse en composantes principales avec CGAL
- 17. Recherche de vecteurs propres à l'aide de l'analyse en composantes principales
- 18. Enregistrer la vidéo en composantes
- 19. Multiplication matricielle-matricielle
- 20. Implémentation de la transformation matricielle sur un nouvel objet
- 21. Représentation matricielle en Java
- 22. Rotation matricielle en place
- 23. multiplication matricielle en cuda
- 24. Matrice matricielle en matlab
- 25. comment dire s'il est préférable de normaliser votre matrice de données en premier lorsque vous effectuez l'analyse en composantes principales dans R?
- 26. Multiplication matricielle en utilisant CUDA
- 27. multiplication matricielle en utilisant numpy
- 28. Représentation matricielle 3D en python
- 29. Transposition matricielle en utilisant CUDA
- 30. (C++) Multiplication matricielle dans une classe matricielle
Brille éclatante et explications +1! –