치수가 (100000,1024) 인 매트릭스에서 미백을 수행하려고합니다. sklearn.decomposition의 PCA 또는 RandomizedPCA가이 크기의 문제를 처리 할 수 있는지 여부를 결정해야합니다. 그렇지 않은 경우 사용할 수있는 최대 기능 수는 약 24 시간 만에 끝나지 만 여전히 완료됩니다. 구현이 병렬 처리되지 않습니다. the do
n*2 행렬 형식으로 표시된 2D 벡터 세트가 있습니다. 제 1 주성분, 즉 가장 큰 분산이있는 방향을 나타내는 벡터를 얻으려고합니다. 라이스 대학교에서 a rather detailed documentation을 발견했습니다. 이를 바탕으로 , 나는 다음과 같은 데이터를 수입했을 : import numpy as np
dataMatrix = np.arra
PCA로 지향 경계 상자를 크립하려고합니다. 나는에 포인트를 프로젝트에 노력 PCA 구성 요소 : 레드 포인트 : 포인트 클라우드 블루 벡터 이미지에서 내 결과를 볼 수 있습니다 최소, 최대 및 평균값을 얻기 위해 벡터. 하지만 지금 내 상자를 어떻게 정의 할 수 있습니까? 어떤 아이디어? 상자를 얻고 싶습니다 : centroid, min max 두 방향.
나는 누군가가 올바른 방향으로 나를 가리킬 수 있기를 바랍니다. 우선, 나는 통계가 아니다. 나는 R을 사용하여 SPSS의 요인 분석 (PC 추출 & varimax rotation 사용) 결과를 재현하려고하는 소프트웨어 개발자입니다. 지난 주 R에 노출되었을 뿐이므로 발견하려고 노력하고 있습니다. 내 주위에. 그러나 나는 '회전'구성 요소 매트릭스 값을 계
저는 Matlab을 처음 사용합니다. PCA 기능 (아래 나열된 URL)을 손바닥 인쇄 인식 프로그램에 적용하여 고유 팰롬을 생성하려고합니다. 내 손바닥 모양의 그레이 스케일 이미지 크기는 450 * 400입니다. 사용하기 전에이 코드를 연구하고 코드를 추가하여 고유 벡터를 .mat 파일로 저장하려고했습니다. 일부는 내 자신의 이해를 위해 나를 덧붙였다.
안녕하세요 저는 PCA를 사용하여 다음과 같은 코드 (13 가지 특성이 있습니다)를 사용하여 실제로 프로그램 (RBF 네트워크)을 실행할 때 문제가 발생하여 데이터 조정에 PCA를 사용할 수 있습니까? 이 방법을 사용합니까? 그렇다면 실제 데이터 대신 행렬을 사용해야합니까? % PCA1: Perform PCA using covariance.
% data
나는 옥타브를 사용하고 있습니다. 거대한 희소 행렬을 가지고 있기 때문에 고유 값을 구해야합니다. 그러나 함수를 사용하여 모든 고유 값과 고유 벡터를 얻는다면 입력 행렬이 너무 작기 때문에 결과가 너무 많은 공간을 차지하게됩니다. 어떻게 제한된 수의 가장 중요한 고유 벡터를 얻을 수 있습니까?
치수를 줄이기 위해 PCA를 사용하고 매트릭스를 사용하여 자마를 사용합니다. 하지만 자마와 eigenvalue 얻을 때 문제가있어. 예를 들어, 2 hava 2 이미지 dimention 100x100, 그럼 내가 하나의 매트릭스 2 이미지 x (100x100)를 만듭니다. 20.000 픽셀이 있습니다. 및 eigenvalue 감소 방법 PCA pca = n
현재 분류하고 싶은 사진 세트를 분석 중입니다. 분류는 인공 신경망에 의해 감독 방식으로 수행됩니다. 각 사진에 해당 클래스를 할당하는 테스트 세트가 있습니다. 내가 지금하고 싶은 것은 많은 디스크립터를 생성 한 다음이 에 PCA를 수행하고 디스크립터가 그림의 클래스를 얼마나 설명 할 수 있는지 통계 분석을 수행하는 것입니다. 이러한 그림에 대한 설명자를