PCA方法對特征降維


用CNN抽了feature后,維度太高了,降維如下:

%使用PCA對數據降維
load fc7.txt;
[pc, score, latent,tsquare]=princomp(fc7);
k=cumsum(latent)./sum(latent);%計算貢獻率,確定最終的降維數目k,即前k個特征值所占的比重
eigen_matrix=pc(:,1:2048);
reduce_matrix=fc7*eigen_matrix;
dlmwrite('reduce_feature.txt',reduce_matrix);

【思考】:原樣本空間為9200*4096的矩陣,經過降維后成為了9200*2048,特征矩陣為4096*2048。但是,原特征向量有大量的0存在,但是經過降維后,每一個點的值都變為了非零值,這個會不會有什么影響?


注意!

本站转载的文章为个人学习借鉴使用,本站对版权不负任何法律责任。如果侵犯了您的隐私权益,请联系我们删除。



 
粤ICP备14056181号  © 2014-2021 ITdaan.com