자발적 분류를하고 있습니다. 이를 위해 필자는 분류를 위해 녹색의 분산, 녹색의 표준 편, 적의 평균, 적분의 분산, 적색의 표준 편차, 색의 평균, 색조의 분산, 색의 분산, 색조의 표준 편차 등 8 가지 기능을 제공합니다. PCA를 사용하여 가장 중요한 3 가지 기능을 선택하고 싶습니다. 이것은 나에게주는PCA를 사용하여 기능을 선택
for c=1:size(feature,1)
feature(c,:)=feature(c,:)-mean(feature)
end
DataCov=cov(feature); % covariance matrix
[PC,variance,explained] = pcacov(DataCov)
: 나는 (: 179X8 기능의 차원입니다) 기능 선택 에 대한 다음과 같은 코드를 작성했습니다 =
PC를
0.0038 -0.0114 0.0517 0.0593 0.0039 0.3998 0.9085 -0.0922
0.0755 -0.1275 0.6339 0.6824 -0.3241 -0.0377 -0.0641 0.0052
0.7008 0.7113 -0.0040 0.0496 -0.0207 0.0042 0.0012 0.0002
0.0007 -0.0012 0.0051 0.0101 0.0272 0.0288 0.0873 0.9953
0.0320 -0.0236 0.1521 0.2947 0.9416 -0.0142 -0.0289 -0.0266
0.7065 -0.6907 -0.1282 -0.0851 0.0060 0.0003 0.0010 -0.0001
0.0026 -0.0037 0.0632 -0.0446 0.0053 0.9125 -0.4015 0.0088
0.0543 -0.0006 0.7429 -0.6574 0.0838 -0.0705 0.0311 -0.0001
분산 =
0.0179
0.0008
0.0001
0.0000
0.0000
0.0000
0.0000
0.0000
설명 =
94.9471
4.1346
0.6616
0.2358
0.0204
0.0003
0.0002
0.0000
이것은 첫 번째 주요 구성 요소가 94.9 %의 분산을 설명하고 있다는 것을 의미합니다. 그러나 이것들은 가장 중요도가 낮은 순서입니다. 위의 정보를 기반으로 선택할 기능 (1에서 8까지)을 어떻게 알 수 있습니까?
'feature' 변수의 내용을 http://codepaste.net/과 같이 인터넷 어딘가에 붙여넣고 링크를 공유 할 수 있습니까? – petrichor