用CNN抽了feature后，維度太高了，降維如下：

%使用PCA對數(shù)據(jù)降維 load fc7.txt; [pc, score, latent,tsquare]=princomp(fc7); k=cumsum(latent)./sum(latent);%計算貢獻率，確定最終的降維數(shù)目k,即前k個特征值所占的比重 eigen_matrix=pc(:,1:2048); reduce_matrix=fc7*eigen_matrix; dlmwrite('reduce_feature.txt',reduce_matrix);

【思考】：原樣本空間為9200*4096的矩陣，經(jīng)過降維后成為了9200*2048，特征矩陣為4096*2048。但是，原特征向量有大量的0存在，但是經(jīng)過降維后，每一個點的值都變?yōu)榱朔橇阒?#xff0c;這個會不會有什么影響？

總結

以上是生活随笔為你收集整理的PCA方法对特征降维的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內容還不錯，歡迎將生活随笔推薦給好友。