用CNN抽了feature后，維度太高了，降維如下：

%使用PCA對(duì)數(shù)據(jù)降維 load fc7.txt; [pc, score, latent,tsquare]=princomp(fc7); k=cumsum(latent)./sum(latent);%計(jì)算貢獻(xiàn)率，確定最終的降維數(shù)目k,即前k個(gè)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(gè)點(diǎn)的值都變?yōu)榱朔橇阒?#xff0c;這個(gè)會(huì)不會(huì)有什么影響？

總結(jié)

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?jī)?nèi)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(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。