1回答
我正在做降维工作，希望从我的数据集中获得特征值和特征向量。由于有几个特征(图像)我试图使用，但我在文档中找不到获得特征值/特征向量的方法，是否可以使用增量主成分分析来获得它们？
浏览 26提问于2017-02-21得票数 0
6回答
要取多少主成分？
、、
我知道主成分分析对矩阵进行奇异值分解，然后生成特征值矩阵。为了选择主成分，我们只需取前几个特征值。现在，我们如何确定应该从特征值矩阵中提取的特征值的数量？
浏览 0提问于2012-08-22得票数 44
回答已采纳
OpenCV主成分分析类的project()输出相同。但是OpenCV库中的特征值似乎会自动按降序重新排列，所以我想知道这些转换/投影的数据是否也会相应地排列。
浏览 40提问于2019-01-12得票数 0
回答已采纳
2回答
用Python绘制一个相关圈
、、、、
我做了一些几何数据分析(GDA)，如主成分分析(PCA)。我想画一个关联圈..。这些看起来有点像这样：基本上，它允许测量一个变量的特征值/特征向量与数据集的主成分(维度)相关的特征值/特征向量。
有人知道是否有一个python包来绘制这样的数据可视化图？
浏览 3提问于2016-06-14得票数 6
1回答
考虑以下数据集：现在，我们需要计算这些数据的主成分分析。以下是为该数据的协方差矩阵计算的特征值和特征向量：📷📷
现在，当我尝试用手做的时候，我发现特征值是1.28和0.0492 (与上面的解相同)。当然，主成分对应于特征值= 1.28。然而，当我试图求解特征向量时，解是[0]，因为BX=0的增广矩阵是[1 0 0]。那么问题在哪里呢？另外，在计算主成分之后，如何找到转换后的数据？
浏览 0提问于2021-02-27得票数 0
1回答
我理解主成分分析的基础知识，它使用变量的协方差矩阵来创建10个特征向量和10个特征值。通常，人们所做的是将特征向量乘以归一化数据来生成主成分，他们挑选一些任意数量的主成分，并将它们投入回归，得到拟合值。换句话说，系数乘以主成分允许将数据减少到单个变量。我可以使用特征值作为我的系数而不是进行回归吗？换句话说，我可以取特征值的向量和主成分</
浏览 11提问于2021-02-06得票数 0
1回答
我正在使用weka进行主成分分析，但结果肯定是错误的。0.373545,0.837791，-0.108058,00.470905，-1.506368,1.788153,0
第一列和第三列(第一主成分和第三主成分
浏览 1提问于2018-09-19得票数 1
1回答
在分析了scree图之后，我决定使用9个最重要的PC( 15个变量中的9个)来构建一个线性模型。我的问题是，如何为我拥有的500个观察值中的每一个提取9个最重要的PC的值？
浏览 25提问于2021-07-26得票数 0
在主成分分析中，我们将预测因子转化为主成分进行降维。我的假设是，每个主分量都是一个特征向量，其特征值作为数据点或向量正交投影的平方距离之和。我的假设正确吗。如果没有，请澄清
浏览 0提问于2019-03-01得票数 0
回答已采纳
1回答
如何加快c++特征分解
、、、
利用MATLAB进行特征值分解，数据的维数是关于10000的，所以协方差矩阵是10000*10000。当我在MATLAB中使用eig()函数时，它非常慢。有没有办法加快特征值分解。我使用特征值分解进行主成分分析(PCA)，所以我只使用顶部K特征值和特征向量。不需要得到所有的特征值和特征向量。我尝试过使用Intel-MKL进行特征分解，但是当我使用mex接口时，会出现一些错误。
浏览 0提问于2013-10-08得票数 0
回答已采纳
3回答
用主成分分析法对进行分类。列车阶段使用200位数字，测试使用20位数字。
我不知道PCA作为分类方法是如何工作的。我学会了把它作为一种降维方法，从它的平均值中减去原始数据，然后计算协方差矩阵、特征值和特征向量。从那里，我们可以选择主成分，而忽略其余的。我该如何分类一堆手写数字？如何区分不同类别的数据？
浏览 6提问于2013-01-30得票数 1
1回答
PCA的负数和复数特征值
、、、、
我已经生成了一个相关矩阵my_corr = rtn.corr(method = 'pearson')，并对来自scipy：eig_vals, eig_vecs = linalg.eig(my_corr)的矩阵进行了主成分分析然而，我得到的特征值是负数和复数，比如-4.33309269e-16+2.336829340-16j。如果我用use linalg.eigh代替linalg.eig，我得到的是真实值，但也有很多负值。为什么会发生这种情况？谢谢你
浏览 149提问于2019-12-31得票数 0
2回答
我有一些关于主成分和因子分析的问题。
对于PCA，特征值是从协方差矩阵还是相关矩阵计算出来的重要吗? FA呢?如果我使用协方差或相关矩阵，特征值的结果是否相同
浏览 2提问于2009-12-09得票数 4
2回答
我最近读了PCA (主成分分析)，明白了如何降维。当我们只需要一个维度时，我们选择一个对应于最大特征值的特征向量，但如果需要多个维度，那么我是否应该将特征向量腐蚀到最大特征值？
浏览 2提问于2017-02-01得票数 0
当我试图对我的数据做pca时，我得到了这个错误。如果我的数据包含字符串，pca不能执行吗？
浏览 2提问于2021-02-19得票数 0
4回答
所以我可以使用linalg.eig或linalg.svd来计算主成分分析。当它们输入相同的数据时，每一个都返回不同的主成分/特征向量和特征值(我目前使用的是Iris数据集)。查看或任何其他将主成分分析应用于虹膜数据集的教程时，我会发现特征值是[2.9108 0.9212 0.1474 0.0206]。eig方法给了我一组不同的特征值/向量，我并不介意，除了这些特征值</e
浏览 0提问于2011-01-28得票数 3
我试着在R中做主成分分析。我相信有两种方法可以做到。一种是立即进行主成分分析，另一种方法是首先使用s=scale(M)对矩阵进行标准化，然后应用主成分分析。我注意到没有标准化的第一个pca的方差比例有更大的值。这有什么意义吗？不是一直都是这样吗？最后，如果我应该预测一个变量ie权重，当我做主成分分析时，
浏览 3提问于2009-11-22得票数 3
2回答
它们取坐标数据，找出协方差矩阵，应用主成分分析，然后从每个特征值的平方根中提取标准差。我试图重新生产这一过程，但我被困在台阶上。将主成分分析应用于R输入数据集的协方差矩阵，得到以下变量：( b)每个主成分解释的总变异性对应的特征值(λ1和λ2)。每段的方向由主成分分析的特征向量驱动，每段的长度定
浏览 2提问于2019-04-29得票数 0
回答已采纳
1回答
PCA中的矢量化
、、
我正在进行主成分分析，并想知道是否可以用两个矩阵的数据乘法来表示从I到m (X(i)*X(i)^T)的matrix..direct求和。目前我试过了 for i=1:m end
我的目标是找到结果矩阵的主特征值
浏览 2提问于2015-12-08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
云直播活动推荐
腾讯云开发者
