poster
2019-12-14, 20:13
我有一组100个观测值，每个观测值具有45个特征。这些观察中的每一个都有一个标签，我希望根据这45个特征进行预测。因此，它是尺寸为45 x 100的输入矩阵和尺寸为1 x 100的目标矩阵。
问题是，我想知道这45个特征中有多少个与我的数据集相关，基本上是主成分分析，并且我知道我可以使用Matlab函数processpca做到这processpca 。
您能告诉我该怎么做吗？假设输入矩阵是x具有45行和100列，而y是具有100个元素的向量。
回答：
假设您要基于45x100矩阵构建1x100向量的模型，我不相信PCA会按照您的想法做。 PCA可以用于选择变量以进行模型估计，但这是收集一组模型特征的某种间接方法。无论如何，我建议同时阅读两者：
主成分分析 (http://matlabdatamining.blogspot.com/2010/02/principal-components-analysis.html)
和...
使PCA正常工作 (http://matlabdatamining.blogspot.com/2010/02/putting-pca-to-work.html)
...两者都提供了MATLAB中不需要任何工具箱的代码。
更多&回答... (https://stackoverflow.com/questions/4962163)
问题是，我想知道这45个特征中有多少个与我的数据集相关，基本上是主成分分析，并且我知道我可以使用Matlab函数processpca做到这processpca 。
您能告诉我该怎么做吗？假设输入矩阵是x具有45行和100列，而y是具有100个元素的向量。
回答：
假设您要基于45x100矩阵构建1x100向量的模型，我不相信PCA会按照您的想法做。 PCA可以用于选择变量以进行模型估计，但这是收集一组模型特征的某种间接方法。无论如何，我建议同时阅读两者：
主成分分析 (http://matlabdatamining.blogspot.com/2010/02/principal-components-analysis.html)
和...
使PCA正常工作 (http://matlabdatamining.blogspot.com/2010/02/putting-pca-to-work.html)
...两者都提供了MATLAB中不需要任何工具箱的代码。
更多&回答... (https://stackoverflow.com/questions/4962163)