OpenCV主成分分析术语 - 实际上是什么'样本'？

Question

我在openCV中使用Principal Component Analysis（PCA）。我感兴趣的案例的构造函数输入是：

PCA(InputArray data, InputArray mean, int flags, double retainedVariance);

关于InputArray'数据'，文档说明适当的标志应该是：

  

CV_PCA_DATA_AS_ROW 表示输入样本存储为   矩阵行。    CV_PCA_DATA_AS_COL 表示输入样本为   存储为矩阵列。

我的问题与“样本”一词的使用有关，因为我不确定在这种情况下样本是什么。

例如，假设我有 4 组数据，为了便于说明，我们将它们标记为A-D。现在每个集合A到D都有 8 元素。然后将它们设置在Mat变量中，我将用作InputArray，如下所示：

问题是，它是：

• 我的集是样本吗？
• 我的数据元素是样本吗？

另一种询问方式：

• 我有4个样本（CV_PCA_DATA_AS_COL）
• 或者我有4组8个样本（CV_PCA_DATA_AS_ROW）

作为一个猜测，我选择 CV_PCA_DATA_AS_COL （即我有4个样本） - 但这就是我的头脑所在...直到我学会了正确术语似乎“样本”这个词可能适用于任何推理。

Answer 1

啊...

所以通过颠倒PCA ::项目步骤的文档背后的逻辑来找到答案......

Mat PCA::project(InputArray vec)

  

vec - 输入向量;必须具有相同的维度和相同   布局作为PCA阶段使用的输入数据，即if   指定CV_PCA_DATA_AS_ROW，然后指定vec.cols == data.cols（vector   维数）

即。 'sample'相当于'set'，元素是'尺寸'。

（我的猜测是正确的：）