为什么PCA返回空的coeff值和Score？
PCA（Principal Component Analysis，主成分分析）是一种常用的数据降维技术，用于将高维数据映射到低维空间。在进行PCA时，可能会出现返回空的coeff值和Score的情况，可能的原因如下：
- 数据缩放问题：PCA对数据的尺度比较敏感，如果数据没有经过适当的缩放处理，可能会导致返回空的coeff值和Score。建议在应用PCA之前，对数据进行标准化处理，使得每个特征的均值为0，方差为1。
- 数据中存在缺失值：如果数据中存在缺失值，PCA的计算过程会受影响，可能导致返回空的coeff值和Score。在应用PCA之前，需要处理数据中的缺失值，可以选择填充缺失值或者删除含有缺失值的样本。
- 数据相关性过高：如果数据中存在高度相关的特征，PCA可能无法准确地估计主成分。在进行PCA之前，可以通过计算特征之间的相关系数，剔除高度相关的特征，或者使用其他方法进行特征选择。
- 样本数量过少：如果样本数量远小于特征的数量，PCA可能会出现过拟合的情况，导致返回空的coeff值和Score。在这种情况下，可以考虑使用其他降维方法或者收集更多的样本数据。
总结起来，PCA返回空的coeff值和Score可能是由于数据缩放问题、数据中存在缺失值、数据相关性过高或者样本数量过少所导致的。在应用PCA之前，需要进行数据预处理，处理好这些可能的问题，以确保能够正确地得到PCA的结果。
关于PCA的更多信息，你可以参考腾讯云的PCA产品文档： PCA产品介绍
请注意，以上回答仅为参考，具体情况需要根据实际数据和应用场景来确定。
相关·内容
1回答
主成分分析
、、
我必须编写一个分类器(高斯混合模型)，用于人类行为识别。我有4个视频数据集。我选择了其中的3个作为训练集，1个作为测试集。在我将gm模型应用于训练集之前，我会对其运行pca。
pca_coeff=princomp(trainig_data);
score = training_data * pca_coeff;
training_data = score(:,1:min(size(score,2),numDimension));
在测试过程中，我应该怎么做？我是否应该对测试数据执行新的princomp
new_pca_coeff=princomp(testing_data);
score =
浏览 5提问于2012-05-30得票数 5
回答已采纳
我是一个Matlab用户，我正在学习Python和sklearn库。我想翻译一下这个Matlab代码
[coeff,score] = pca(X)
对于coeff，我在Python中尝试过这样的方法：
from sklearn.decomposition import PCA
import numpy as np
pca = PCA()
pca.fit(X)
coeff = print(np.transpose(pca.components_))
我不知道这是否正确；对于score，我不知道。
有人能告诉我coeff的正确性和score的可行性吗？
浏览 1提问于2019-04-04得票数 2
回答已采纳
1回答
我试图使用主成分分析来确定数据集中最重要的特性。当我运行下面的代码时，我会收到一个错误消息："PCA对象不可订阅“。我尝试将各种参数添加到PCA()函数中，但在任何时候都会收到相同的错误。
from sklearn.decomposition import PCA
pca = PCA()
x_pca = pca.fit(X_train)
def myplot(score,coeff,labels=None):
xs = score[:,0]
ys = score[:,0]
n = coeff.shape[0]
scalex = 1.0/(xs.m
浏览 0提问于2023-02-09得票数 0
我只是在学习在统计工具箱中使用函数pca，当我尝试下面这个简单的例子时，它返回了一个错误，但是我没有发现任何错误？
pca_test_2=[1 1 1 1 1 ; 1.9 2.1 2 2 1.8]
我用它的转接方式把它多重起来，得到：
pca_test_2=pca_test_2*pca_test_2';
>> [coeff,score,latent]=pca(pca_test_2);
??? Undefined function or method 'pca' for input arguments of type 'double'.
我找
浏览 6提问于2013-10-29得票数 0
回答已采纳
1回答
根据手册，上面写着[coeff,score,latent,tsquared,explained,mu] = pca(X)。在我看来，PCA和截断的SVD是一样的。但是对于pca的输出，哪一个是截断的特征向量，哪个是截断的特征值？
浏览 5提问于2014-09-02得票数 0
我将PCA应用于一个由2340个(不包括标签)特征和2245个记录(2245X2340双矩阵)组成的数据集，以降低其高维，并选择至少50个特征进行进一步的分类处理，在Matlab上使用以下代码： [coeff,score,~,~,~,mu] = pca(X);
save("coeff.mat","coeff");
reducedDimension = coeff(:,1:50);
reducedData = X * reducedDimension; 但是在断点的第一行，它只返回coeff值，结果为空： ? 当到达第三行时，会因此错误而停止： ?
浏览 111提问于2020-08-17得票数 0
我的数据矩阵是X，也就是4999*37152。然后在Matlab：[coeff, score, latent, tsquared1, explained1] = pca(X);中使用以下命令
输出：coeff是37152*4998，score是4999*4998，latent是4998*1。根据，coeff应该是p*p，那么我的代码有什么问题呢？
浏览 3提问于2015-06-18得票数 3
回答已采纳
1回答
我试着用PCA降低数据的维数。
所以我根据[COEFF, SCORE] = princomp(data);调用，我可以用SCORE * COEFF' + Mean重建我的数据，它可以工作。
但是我试图找到投影矩阵P，其中任何给定的向量x都可以转化为它在PCA空间中的投影。
我的直觉告诉我，我应该能够通过以下方式投射x：
proj = ((x-m) * inv(C)) + m
其中m是我数据的平均值。
因此，我选择x作为我的数据的第一个观察对象来测试这一点，并且我希望proj应该非常接近于SCORE的第一行。然而，情况并非如此。
那我在哪里做错了？怎样才能找到投影矩阵呢？
谢谢你的帮助！
浏览 2提问于2015-01-07得票数 1
回答已采纳
1回答
在利用matlab中内置的pca函数进行pca分析时，遇到了以下误差。数据实际上是从30幅MR图像中获取的特征向量。
>> size(data)
ans =
30 281 389 104
[coeff score varience] = pca(data);
Error using bsxfun
Non-singleton dimensions of the two input arrays must match each other.
Error in pca>localSVD (line 468)
x = bsxfun(@times, x, P
浏览 2提问于2016-04-23得票数 0
回答已采纳
1回答
我正在尝试使用PCA来可视化我的k-means算法的实现。我正在学习中的主成分系数、分数和方差的教程。
我使用以下命令：[coeff,score,~]=pca(X');，其中X是我的数据。
我的数据是一个30 x 455的矩阵，也就是30个特征和455个样本。我已经成功地使用score参数创建了用于可视化目的的2D图。现在我想把30维的中心投影到那片平原上。我已经尝试过coeff*centers(:,1)，但我不知道这是否正确的用法。
如何将新的30维点投影到第一个pca组件与第二个pca组件的2D上？
浏览 6提问于2017-12-22得票数 1
回答已采纳
我试着把我的PCA和我的加载图合并成一个双标。我为一个找到了一个matplotlib.pyplot的解决方案，但是，我想以同样的方式生成同样的情节。有人能帮我解决我如何巧妙地生产这些东西吗？
def myplot(score,coeff,labels=None):
xs = score[:,0]
ys = score[:,1]
n = coeff.shape[0]
scalex = 1.0/(xs.max() - xs.min())
scaley = 1.0/(ys.max() - ys.min())
plt.scatter(xs * scalex,ys * scale
浏览 2提问于2020-10-16得票数 0
回答已采纳
1回答
我正在尝试应用主成分分析，以降低我的数据的维度。200x146,200个观察值(样本)，具有146个特征(维度)，每个观察值可以属于三个类别中的一个。我试图做的是可视化数据，看看在向我的数据添加新样本后类质心是如何移动的。由于不可能绘制如此高维的数据，我正在寻找一个维度来表示我的数据在几乎不同的类集群中。
我知道PCA计算特征向量的特征值，而特征值表示方差。方差越大，数据分布越广，可视化效果越好。具有最高特征值的特征向量是主成分，然后通过PCA找到与该成分正交的轴。(我对PCA的基本概念理解正确了吗？)
然而，我不明白，当我使用matlab函数pca()时，我得到了什么信息?我得到了系数，但是
浏览 2提问于2017-04-04得票数 1
1回答
我很难理解主成分分析是如何计算分数的。
如果我在一个矩阵X上执行主成分分析，通过：[coeff score] = pca(X)
那么dot(coeff(1,:) , X(1,:)) = score(1,1)应该这样做吗？
任何帮助都是非常感谢的。
浏览 0提问于2021-04-16得票数 0
我发现了一个有人制作的双图代码： x = pd.DataFrame(x, columns=countries_pivoted.columns)
def myplot(score,coeff,labels=None):
xs = score[:,0]
ys = score[:,1]
n = coeff.shape[0]
scalex = .25/(xs.max() - xs.min())
scaley = .25/(ys.max() - ys.min())
plt.scatter(xs * scalex,ys * scaley)
for
浏览 10提问于2020-01-08得票数 1
回答已采纳
2回答
我有一个有35列的矩阵，我试图用PCA来减少维数。我对我的数据进行PCA：
[coeff,score,latent,tsquared,explained,mu] = pca(data);
explained =
99.9955
0.0022
0.0007
0.0003
0.0002
0.0001
0.0001
0.0001
然后，通过查看向量explained，我注意到第一个元素的值是99。基于此，我决定只吃第一张。所以我做了个折叠式：
k=1;
X = bsxfun(@minus, data, me
浏览 0提问于2015-11-06得票数 0
回答已采纳
我对PCA完全搞不懂。我有一个尺寸为90x60x12x350的4D图像。这意味着每个体素都是大小为350的向量(时间序列)。
现在，我将3D图像(90x60x12)划分为立方体。假设一个立方体包含n个体素，所以我有n个大小为350的向量。我想把这个n向量简化成一个向量，然后计算出所有立方体的所有向量之间的相关性。
所以对于一个立方体，我可以构造矩阵M，我只是把每个体素放在后面，也就是说，M = [v1 v2 v3 ... vn]和每个v的大小都是350。
现在，我可以在Matlab中应用主成分分析( PCA )，使用[coeff, score, latent, ~, explained] =
浏览 3提问于2015-06-04得票数 1
回答已采纳
1回答
我有一个由35个特征组成的矩阵，我需要减少这些特征，因为我认为很多变量都是相依的。我认为PCA可以帮助我做到这一点，所以我用matlab计算：
[coeff,score,latent] = pca(list_of_features)
我注意到"coeff"包含了我理解的矩阵(如果我错了，请更正)左边有高度重要的列，第二列的重要性较小，等等。但是，对于我来说，不清楚"coeff“上的哪一列与我原来的中的哪一列相关，这样我就可以知道哪个变量更重要。
浏览 6提问于2015-10-18得票数 1
回答已采纳
3回答
不幸的是，我得到了“太多的输入参数”。执行此调用时出错：
[varargout{1:nargout}]=pca(varargin{1},'Algorithm','svd','Economy',fEconomy);
对于具有签名的函数，如下所示：
function [coeff, score, latent, tsquared, explained, mu] = pca(x,varargin)
我用这种方式呼叫princomp：
[pc,score,latent,tsquare] = princomp(data);
知道原因是什么吗？(错误出现在s
浏览 8提问于2013-10-28得票数 2
我已经用python做了PCA相关代码，它是从Matlab代码转换成python代码，但最后一行代码不工作。 我该怎么纠正它呢？ MatLAB代码： [coeff,score,~,~,explained] = pca(train);
sm = 0;
no_components = 0;
for k = 1:size(explained,1)
sm = sm+explained(k);
if sm <= 99.4029
no_components= no_components+1
浏览 18提问于2019-04-26得票数 0
回答已采纳
1回答
我有一个非常大的数据集，我需要用于分类目的。但是当我尝试在MatLab中使用它时，我会得到和out of memory错误。为了解决这个问题，我试着研究PCA，因为这是针对这些问题的预期解决方案。
因此，为了更好地理解PCA，并确保我可以将PCA产生的结果与原始数据互换使用，我想从PCA分数和系数中复制原始数据集。
我使用以下代码获取PCA分数和系数，然后将其更改为原始数据集。
%all_feats is the original dataset of size 128 x 19882
[n m] = size(double(all_feats));
Amean = mean(double(a
浏览 0提问于2014-10-03得票数 2
回答已采纳
我试图在matlab中对车辆进行分类。我需要减少特征的维数，以消除冗余。我在用pca来做这个。不幸的是，pca函数没有返回预期的结果。输出似乎被截断了，我不明白为什么。
这方面的摘要如下：
Components_matrix = [Areas_vector MajorAxisLengths_vector MinorAxisLengths_vector Perimeters_vector...
EquivDiameters_vector Extents_vector Orientations_vector Soliditys_vector]
产出如下：
Components_ma
浏览 3提问于2015-07-20得票数 0
回答已采纳
I = double(image1Cropped);
X = reshape(I,size(I,1)*size(I,2),3 );
coeff1 = pca(X);
在上面的3行代码中到底发生了什么？为什么在进入整形之前将一个图像隐藏成双倍呢？重塑的目的是什么？从pca(X)返回什么？我可以使用coeff1来比较图像(例如，比较面孔)吗？
浏览 2提问于2015-07-12得票数 0
回答已采纳
1回答
逻辑数组的降维
、、
我在两个不同的时间点测量了5个设备。度量基本上由对应于相应位置的位值的1和0组成的数组组成：
whos measurement1_dev1_time1
Name Size Bytes Class Attributes
measurement1_dev1_time1 4096x8 32768 logical
我假设对于一个特定的设备，测量的时间1和2之间的变化是唯一的。但是，由于我在不同的位置处理32768位数据，所以如果存在某种依赖，就很难想象。
由于位置上的每一点x
浏览 4提问于2014-11-13得票数 1
我已经提到了
我使用pca()代替princomp()，因为它在新版本中被删除。
我知道，“特征值表示每个特征向量解释了多少数据。选择特征的一个简单方法是选择100个特征值最高的特征”。
例如，如果我在matlab中运行以下代码
[coeff,score,latent] = pca(pcaInput);
然后潜移默化地给我我需要的价值。
但是，潜伏期是在排序的order.How中给出的，我知道，向量的第一个潜在值对应于我的数据集中的哪个变量？
浏览 2提问于2015-03-23得票数 0
1回答
我使用numpy存储了以下数据集：
对于数据集的培训和开发分区，有一个不同的numpy文件。
[50,1,396]
我正在使用PCA快速从mlpy库，以执行降维。但是整个过程太慢了，我找不到原因。在执行PCA之前，我将数据集转换为以下形状：
[50,396]
因此，数据集的形状不是造成我的问题的原因。
我使用的代码如下：
import os
import numpy as np
import sys
import csv
import mlpy
inputfiletrain=''
outputfiletrain=''
inputfiledev='
浏览 1提问于2015-07-17得票数 1
我试着用matlab建立k均值算法的实现代码.我正在学习和新使用matlab在这里。不知怎么的，我通过googling查看youtube的matlab函数，构建了k均值算法的实现代码。我设置了最初的3个初始质心，并有虹膜数据集，当我检查时，这三个质心会朝着正确的方向形成3个星系团。然而，我并不真正理解，也找不到我想要的网站的来源。有人能帮我画出三组不同颜色的2D PCA散点图吗？
这是我的k均值代码实现，
clear; clc; close all;
load iris.xls
DataSet = iris;
Dim = size(DataSet);
load Iris_Initial_Ce
浏览 7提问于2015-11-01得票数 4
回答已采纳
我正在使用PCA在朱莉娅包。我正试图向朱莉娅隐藏一个旧的Matlab脚本。但是，我不能再运行Matlab脚本了。我正在处理一系列的图像。首先，我要确保输入矩阵正确。我将每幅图像重组成一个向量，并将n图像放到m x n矩阵中。我认为这个数据的格式是正确的，和Matlab一样。然后我用M = fit(PCA, data)生成了一个PCA模型。Matlab将返回[coeff,score,latent]。我怎么才能从朱莉娅那里弄到这些？
浏览 1提问于2016-11-17得票数 1
2回答
我有一个115*8000的数据，其中115是功能的数量。当我像这样使用matlab的pca函数时
[coeff,score,latent,tsquared,explained,mu] = pca(data);
根据我的数据。我得到了一些价值。我在上读到，如何减少我的数据，但有一件事让我感到困惑。explained数据显示了一个特性对计算的影响有多大，但是在这个过程中是否重新组织了特性，或者特性与我赋予功能的顺序完全相同？
我还提供了115个特性，但explained显示了114个。为什么会发生这种事？
浏览 10提问于2017-05-11得票数 1
回答已采纳
1回答
我正在尝试使用Matlab中的pca执行降维。从下面的代码中，我得到了系数、得分、潜伏期和t平方。然而，如何从pc分析中降低实际维数对我来说仍然是模糊的。我想做的是将列数(本例中原来是3列)减少到1或2，您能告诉我怎么做吗？
matrix = [ 1 2 3; 4 3 2; 1 3 5; 4 2 3; 1 2 3; 2 1 3];
[coeff, score, latent, tsquared] = pca(matrix);
浏览 2提问于2016-04-02得票数 2
1回答
我训练要在python上做一些MNIST的PCA重构，并将它们与我在maltab中的(旧)重建进行比较，我碰巧发现我的重建不同意。经过一些调试后，我决定打印每个主组件的独特特性，以揭示它们是否相同，我惊讶地发现它们并不相同。我打印了所有部件的和，得到了不同的数字。我在matlab中做了以下工作：
[coeff, ~, ~, ~, ~, mu] = pca(X_train);
U = coeff(:,1:K)
U_fingerprint = sum(U(:))
%print 31.0244
在蟒蛇/喜鹊中：
pca = pca.fit(X_train)
U = pca.components_
浏览 2提问于2016-08-05得票数 1
1回答
我如何知道哪些维度是主成分？
、、、、
我使用matlab的princomp函数来做PCA。根据我的理解，我可以检查潜伏期来决定我需要多少维度。
[coeff, score, latent, t2] = princomp(fdata);
cumsum(latent)./sum(latent);
通过使用trainMatrix = coeff(:,1: 10 ) (我选择前10个维度)和newData = data*trainMatrix，我可以获得简化的数据。
但是我怎么才能计算出哪个维度减少了，哪些维度保留了呢？
我的意思是，如果我有30个特征，在princomp之后，我能计算出我保留了哪10个特征(原始数据的列索引)吗？
谢谢
浏览 0提问于2013-04-25得票数 0
回答已采纳
在sklearn中使用PCA时，很容易提取出组件：
from sklearn import decomposition
pca = decomposition.PCA(n_components=n_components)
pca_data = pca.fit(input_data)
pca_components = pca.components_
但我无论如何也想不出如何从LDA中取出组件，因为没有components_属性。sklearn lda中有没有类似的属性？
浏览 0提问于2012-12-20得票数 20
1回答
我试图使用支持向量机作为我的模型，根据EMG信号对单词进行分类。我的数据集包含15个类(单词)，每个类有230个重复和1000个特征。我已经把所有的文件合并在一起了，这样就更容易了。我使用的预处理步骤是标准定标器和主成分分析。然而，我得到的准确度只有56%。我在网上发现，使用小波变换有助于改善这种情况，但反而使情况变得更糟。我只有6%的准确率！如果你知道我做错了什么，你能给我解释一下吗？我把我的密码附在下面。我也是机器学习的初学者，所以如果你有时间的话，如果你给出详细的答案，那会很有帮助的。非常感谢！
cf = pd.read_csv('EMG-TrainTestDataset.csv
浏览 0提问于2022-04-02得票数 2
1回答
特征值总是1
、、
当我得到PCA变换图像的对角线特征值时，我总是得到1，不管图像是什么。这背后的原因是什么？
我使用了以下代码。
coeff = pca(pmap);
disp(coeff);
[V,L]=eig (coeff'*coeff);
Lamda = diag(L);
disp(Lamda);
浏览 1提问于2018-06-06得票数 0
回答已采纳
1回答
django不会取代旧图像
、、、、
我有一个Django应用程序，在浏览器上绘制的图像通过UI作出的选择为基础。每当UI发生变化时，都会调用JavaScript函数并创建对django视图的调用。
每当我从浏览器更改UI时，views.py中的函数都会创建一个新的图像，并将其作为HTTPResponse返回给Javascript，它最终会在浏览器上绘制图像。
这里的问题是，旧图像不会被删除，而新图像会在浏览器上绘制，看起来像下面的图像
这是第一次加载页面时
当UI更改为PCA时
当我再次选择Kmeans时，它仍然显示以前的图形
我已经检查了所有的计算都是在views.py中进行的，并且值都返回给了模板。
vie
浏览 3提问于2016-08-09得票数 0
回答已采纳
我试图通过在网上找到实例来理解PCA。遗憾的是，我发现的大多数教程似乎并没有真正展示PCA的简单实用应用。经过多次搜索，我发现了这个
这是一个很好的简单教程。我想在Matlab中重新创建结果，但是本教程是在R中，我一直试图在Matlab中复制结果，但到目前为止没有成功；我是Matlab的新手。我创建的数组如下：
Price = [6,7,6,5,7,6,5,6,3,1,2,5,2,3,1,2];
Software = [5,3,4,7,7,4,7,5,5,3,6,7,4,5,6,3];
Aesthetics = [3,2,4,1,5,2,2,4,6,7,6,7,5,6,5,7];
Brand
浏览 4提问于2013-10-09得票数 5
回答已采纳
我是Matlab的新手，在使用内置的PCA缩减包时遇到了一些问题。我有37个对象，每个对象都由161维向量表示，这意味着我有一个称为P的161 x 37矩阵。我需要将向量维减少到3。这样每个对象都将由3维向量表示。我尝试过使用princomp(P)，但我不知道该采用哪种输出。
COEFF，SCORE = princomp(P)；newData=SCORE(:,1:3)；
我认为newData不是正确的向量？
浏览 0提问于2014-04-17得票数 2
我正在用分类学习工具箱在Matlab中建立一个logistic回归模型。
我在Matlab中运行了PCA：
coeff，得分，潜伏期，T平方，解释=主成分分析(CreditNumeric)；
这是coeff，得分，潜在的和解释的输出：
我想使用PCA的结果来减少我在分类学习器中使用的输入特性(基于我的PCA结果)。如何使用PCA结果来选择(例如5-7)最能描述数据95%方差的特征？
浏览 2提问于2015-09-13得票数 1
1回答
我最初的data是一个195x22记录集，它包含对患有或不患有帕金森病的人的声音测量。在向量195x1中，我有一个status，它要么是1/0。
现在，我做了一个主成分分析，我做了一个biplot，结果很好。问题是，我无法从我的散点图中分辨出病人或健康人的哪些点(我无法将其与status联系起来)。我希望我的散点图有一个红点如果健康(status=0)和绿色如果生病(status=1)。
我该怎么做？我的双情节代码是：
biplot(coeff(:,1:2), ...
'Scores', score(:,1:2), ...
'VarLabels'
浏览 7提问于2013-09-27得票数 4
回答已采纳
1回答
我有大约2000张人脸图像，需要对其进行主成分分析(PCA)。然后丢弃两个最大特征值，绘制出其余特征值按递减顺序排序的图。每幅图像都是19乘19像素。
作为一种尝试，看看我是否能把它做对，我试着在Matlab中对1幅图像进行PCA，在其中我只做了通常的事情，加载图像。起初，它不太好用，但后来有人告诉我，在使用Matlab上的Princomp函数之前，简单地取一下图像的梯度，所以基本上我这样做了：
a = imread('face1.pmg');
b = imgradient(a);
[COEFF,SCORE,latent] = princomp(b);
这只是一个花花公子，
浏览 1提问于2016-12-06得票数 1
回答已采纳
1回答
我很抱歉问了这样的问题(答案很明显，但我当然不知道) :)
我在matlab中使用pca函数。有没有办法知道第一个分数是从哪个变量计算出来的？
谢谢!
浏览 0提问于2013-10-14得票数 1
回答已采纳
我在MATLAB中执行以下操作：
>> X = [ 123 982 123 ; 434 233 842; 143 239 583; 733 292 503]
X =
123 982 123
434 233 842
143 239 583
733 292 503
[coeff,score] = princomp(X)
coeff =
-0.3714 0.9202 0.1241
0.7330 0.2085 0.6475
-0.5700 -0.3314 0.7519
score =
709.3366
浏览 3提问于2015-06-11得票数 1
2回答
我自己创建了一个随机数据，它由一个包含18行的文本文件和包含所有整数项的5列组成。
我成功地成功地完成了PCA，但现在却陷入了困境。我不能做散点图。这是我的代码：
f=open(r'<path>mydata.txt')
print(f.read()) #reading from a file
with open(r'<path>mydata.txt') as f:
emp= []
for line in f:
line = line.split()
if line:
line
浏览 2提问于2017-05-22得票数 0
回答已采纳
我有一个矩阵M，其中列是数据点，行是特性。现在我想做主成分分析，只选择方差最大的第一个分量。
我知道我可以用coeff，score，潜伏期= pca(M')在Matlab中完成。首先，我认为我必须转置矩阵M。
现在如何选择第一个组件？我不确定这三个不同的输出矩阵。
第二，我还想计算每个组件解释的差异百分比。我该怎么做？
浏览 5提问于2015-06-04得票数 1
回答已采纳
1回答
我使用Matlab来读取MNIST数据库。这些图像最初是28x28 (=784)像素。因此，我有一个2D 784x1000数组(意思是，我已经读取了1000幅图像)。
假设我的2D数组名为IMGS，那么Matlab表达式: IMGS(:，1)将给我第一个图像。
为了执行PCA，所以从784个图像中提取一些特征：
在一个名为IMGS_T (IMGS_T(1，:)对应于第一个图像)的数组中，我转换数组IMGS，将图像放置到行和特征(维度)中。
我使用princomp函数如下: COEFF，分数=princomp(IMGS_T)；
我的问题是(这可能有点微不足道，但我想肯定这一点)：假设我想
浏览 0提问于2014-02-08得票数 0
回答已采纳
我了解PCA是如何工作的，以及如何在Matlab中实现它，但我不知道哪些变量对主成分的贡献最大。
我的问题是，假设我有一个变量A，B，C，D，E，F的数据集，变量A，B，C，E几乎是一样的，变量D，F都度量了不同的东西。集合(A，B，C，E)与集(D，F)变量之间的相关性很小。
PCA告诉我有两个主要的主成分，我知道如何做。我不知道如何确定A，B，C，E和D，F是两组变量，用来测量同一组内的事物。如对此有任何建议，将不胜感激。
浏览 1提问于2013-11-01得票数 1
回答已采纳
在PCA分析中，当第一个分量覆盖总方差的99%以上时，它意味着什么？我有一个大小为500X1000的特征向量，我使用Matlab的pca函数返回coeff，得分，潜隐，tsquared，解释。变量“解释”返回每个组件所涵盖的方差百分比。
浏览 2提问于2015-06-11得票数 3
回答已采纳
1回答
如何计算矩阵的R2/Q2
、、、、
我正在尝试计算PCA的R2和Q2分数，但我很难从头开始计算矩阵的r2_scores。对于R2，如果我使用sklearn中的r2_score，我会得到预期的结果(在SIMCA中对结果进行测试)，但我不能对Q2分数使用相同的方法，所以我希望在R2/Q2 (1 - num/SST)的第二个任期中找到分子的帮助。请原谅我的新手代码，您能提供的任何帮助都是非常感谢的！ cov_matrix = X.cov().values
total_variation = cov_matrix.trace()
q2 = []
r2 = []
for pc in range(1, min(X.shape[1],
浏览 13提问于2020-10-14得票数 1
1回答
我想在pca函数中使用matlab，但是从另一个directory.how加载那个数据集来运行这个函数？例如，从文件夹加载图像数据集。
load hald
coeff = pca(ingredients)
浏览 0提问于2018-05-26得票数 0
我想做的是：
对PCA transformationUse的数据，采用线性回归模型来实现cross-validation。
ks = [1,2,3,4,5,6,8,10,12,15,20]
mean_val_mse = []
# loop through all k values
for k in ks:
# instantiate pca and set n_components = k
pca = PCA(n_components=k)
# fit and transform
# fit learns the number of components, tr
浏览 9提问于2022-10-22得票数 0
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
实时音视频活动推荐
腾讯云开发者
