MATLAB:主成分分析(PCA)与分类学习
MATLAB:主成分分析(PCA)与分类学习
提问于 2015-09-13 18:02:24
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？
回答 1
Stack Overflow用户
发布于 2019-02-13 22:26:53
这实际上非常简单，因为在Classification learner中，当您上传所有变量时，您可以选择要用来训练模型的特性(参见“功能选择”按钮出现的最后一个屏幕截图，在导入数据旁边)
在那里，您可以选择任意多个变量，也可以训练几个组合，并在最后比较结果之间的差异。
这里的问题是，我认为如果您的5-7特性(在本例中主要组件)是否描述了95%的数据方差，对吗？
要解决这个问题，您可以遵循两种方法：
- 最简单但不是最好的：
-Upload在Classification learner中将所有变量替换为主组件，并使用PCA按钮表示，在新版本的MatLab中出现了旁边的特性选择一个。
-Then您可以建立解释方差的百分比(95)和分量数(7)
- 我建议虽然开发
pca之前在MatLab，以便您可以看到，控制和分析所有的结果，然后培训的主要组成部分与学习者。
通过这种方式，您实际上可以知道您需要在模型中使用多少组件，从而解释95%的差异。而且可能不是5-7，或者可能小于that...explore的第一位。
这是我的建议。祝好运!
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/32552823
复制相关文章
相似问题
腾讯云开发者
