스파 스 데이터에 고유 값 분해를 사용하여 PCA를 구현 중입니다. matlab에 PCA가 구현되어 있다는 것을 알고 있지만 코드 작성시 모든 기술을 이해하는 데 도움이됩니다. 나는 here에서 지침을 따라 왔지만 내장 함수 princomp와 다른 결과를 얻고 있습니다. 아무도 그것을보고 올바른 방향으로 나를 가리킬 수 있습니다. 다음 function [m
Matlab에서 SVM 교육을 수행하면 SVM 분류를 시각화하는 방법은 무엇입니까? LIBSVM에서 유사한이 svm-toy 기능을 % Labels are -1 or 1
groundTruth = Ytrain;
d = xtrain;
model = svmtrain(groundTruth, d);
R에서 주성분 분석을하려고합니다. 그것을하는 2 가지의 방법이있다, 나는 믿는다. 다른 하나는 주성분 분석을 바로하고 있습니다. 다른 방법은 s = scale (m)을 사용하여 먼저 행렬을 표준화 한 다음 주성분 분석을 적용하는 것입니다. 어떤 결과가 더 좋은지 어떻게 알 수 있습니까? 무엇을 특히 봐야 가치. 나는 이미 고유 값과 고유 벡터, 두 방법 모
R에서 뭔가를 발견했습니다. 예를 들어 pc은 데이터 매트릭스에 PCA를 적용한 결과이고 pc$x은 샘플 구성 요소 매트릭스입니다. plot(pc$x)을 시도하면 첫 번째 주 구성 요소 (pc1)가 두 번째 구성 요소 (pc2)에 대해서만 표시되지만 실제로는 2 개 이상의 주 구성 요소가 있습니다. 어떻게 모두 보여줄 수 있습니까? 하나의 플롯에
누구나 Cimg를 사용하여 3 차원 배열에 대한 SVD를 계산하는 방법에 대한 빠른 가이드를 제공 할 수 있습니까? 배열을 분해하여 추가 프로세스 속도를 높이기 위해 압축하기를 원합니다. 어디에서 어떤 값을 입력해야하며 결과를 얻는 방법은 무엇입니까? 나는 주변을 수색했지만 아직도 어떻게 작동하는지 이해할 수 없다. SVD가 어떻게 작동 하는지를 완전히 이