Projection de l'espace 60D (contexte de forme) vers 2D pour l'analyse visuelle

Question

J'ai un ensemble de vecteurs de contexte de forme 60D. Ceux-ci ont été construits en utilisant un échantillon de 400 points de bord à partir d'une silhouette en utilisant 5 cases radiales et 12 cases angulaires (ainsi, j'ai 400 vecteurs de contexte de forme de 60D).

Je voudrais analyser à quel point ces vecteurs sont représentatifs de la forme générale de la silhouette sous-jacente. Pour ce faire, je voudrais projeter les vecteurs de contexte de forme 60D dans l'espace 2D et inspecter visuellement le résultat - ce que j'espère voir est un ensemble de points qui ressemblent grossièrement à la forme de la silhouette originale.

Une approche pour ce faire consiste à projeter sur les deux premiers composants principaux (PCA). Basé sur ma mise en œuvre, les points projetés ne ressemblaient pas à la forme de la silhouette. Je peux voir deux raisons principales pour cela (en supposant pour le moment que ma mise en œuvre est correcte): (1) le contexte de forme n'est pas approprié comme descripteur étant donné les silhouettes, ou ses paramètres doivent être mieux ajustés (2) La méthode est erronée/non valide.

Ma question est de savoir si c'est la bonne approche pour analyser le caractère descriptif des contextes de forme par rapport à la forme de ma silhouette? Si non, quelqu'un peut-il expliquer pourquoi et proposer une méthode alternative?

Merci,

Josh

Answer 1

La bonne façon de vérifier si les fonctions sont descriptives est ou ne pas essayer de former certains classificateur (SVM/Bayes/arbre/whatever) sur eux et vérifier la précision d'une validation croisée/rappel etc. Vous pouvez également filtrer votre vecteur de fonctionnalité par un sélecteur de fonctions tel que Chi/infogain.

Outre PCA, vous pouvez visualiser vos données avec SOM ou en cluster.

Answer 2

Je pense que cette méthode d'analyse est erronée/non valide. Je pense que ce serait un raisonnement similaire: je peux reconstruire la vue d'en haut sur un terrain de football en faisant PCA sur ce que voit chaque joueur de football. Ce n'est tout simplement pas raisonnable de s'attendre à cela. Je pense que la manière la plus simple d'analyser le caractère descriptif du contexte de forme est de télécharger MNIST ou d'autres bases de données de chiffres, et de calculer la matrice 10x10 des similarités de forme de 5 un et 5 twos, puis dessiner ce graphique (disons) graphviz.