Question

要做PCA，我们必须从输入数据计算协方差矩阵，然后在该协方差矩阵中执行特征分解。

为了获得协方差矩阵，我们必须计算均值，然后用我们的数据（矩阵中的数据）将其减去。但问题是我要进行PCA分类。

我对如何计算平均值感到困惑（它必须是行计算的平均值（考虑类）/列（考虑特征））？

在我的情况下，这是要素矩阵的格式：

  Class1: feat1 feat2 feat3...featn
  Class2: feat1 feat2 feat3...featn
  Class3: feat1 feat2 feat3...featn
  Class4: feat1 feat2 feat3...featn
  Class5: feat1 feat2 feat3...featn
  .
  .
  .
 ClassN: feat1 feat2 feat3...featn

我所做的是

 mean (perclass or rows)

所以我有（平均矩阵）

 Mean_Class1
 Mean_Class2
 Mean_Class3
 Mean_Class4
 Mean_Class5
 .
 .
 .
Mean_ClassN

然后我用我的特征矩阵对这些数据进行Substract。所以它变成了（ Substract Matrix ）：

Class1: feat1-Mean_Class1 feat2-Mean_Class2 feat3-Mean_Class3...featn-Mean_ClassN
Class2: feat1-Mean_Class1 feat2-Mean_Class2 feat3-Mean_Class3...featn-Mean_ClassN
Class3: feat1-Mean_Class1 feat2-Mean_Class2 feat3-Mean_Class3...featn-Mean_ClassN
Class4: feat1-Mean_Class1 feat2-Mean_Class2 feat3-Mean_Class3...featn-Mean_ClassN
Class5: feat1-Mean_Class1 feat2-Mean_Class2 feat3-Mean_Class3...featn-Mean_ClassN
.
.
.

ClassN：feat1-Mean_Class1 feat2-Mean_Class2 feat3-Mean_Class3 ... featn-Mean_ClassN

接下来是协方差矩阵：

(Substract Matrix)*(Substract Matrix)^T

使用eigs从此协方差矩阵中提取主成分 [Vectors，Values] = eigs（CovarianceMatrix）;

为了降低维数，我必须在将其均值减去提取的特征向量之后将这些数据投影。

然后投射它：

  Substract Matrix * Vectors

那些对吗？还是有一些错误概念？
或者我必须计算每列的平均值（考虑功能号码）？
为了投射到新的空间，我是否必须用矩阵（每行的平均值计算）来减去矩阵中的数据？

对不起如果这是一个愚蠢的问题，但我真的需要确认真实的概念..

PCA计算分类？

0 个答案: