在线时间:8:00-16:00
迪恩网络APP
随时随地掌握行业动态
扫描二维码
关注迪恩网络微信公众号
简单的主成分分析。第一次见识PCA,我的认识是,尽量用更少的维度来描述数据,以达到理想(虽不是最好,但是''性价比''最高)的效果。 %% 主成分分析降维 clear; % 参数初始化 inputfile = 'F:\Techonolgoy\MATLAB\file\MTALAB数据分析与挖掘实战\Datasets\chapter4\chapter4\示例程序\data\principal_component.xls'; outputfile = 'F:\Techonolgoy\MATLAB\file\MTALAB数据分析与挖掘实战\4\dimention_reducted.xls'; proporition = 0.95; %% 数据读取 [num,~] = xlsread(inputfile); %% 主成分分析 [coeff,~,latent] = pca(num); %coeff每列为特征向量,latent为对应特征值 %% 计算累计贡献度,确认维度 sum_latent = cumsum(latent/sum(latent)); % 累计贡献率 dimension = find(sum_latent>proporition); dimension = dimension(1); %% 降维 data = num*coeff(:,1:dimension); xlswrite(outputfile,data); disp('主成分特征根:'); disp(latent'); disp('主成分单位特征向量:'); disp('累计贡献率'); disp(sum_latent'); disp(['主成分分析完成,降维后的数据在' outputfile]) %哈里路亚 load handel sound(y,Fs) 还有,运行到最后会播放一段振奋人心的歌曲哈! |
2023-10-27
2022-08-15
2022-08-17
2022-09-23
2022-08-13
请发表评论