如何在eeg数据上应用带有更多变量的princomp

时间:2014-09-29 14:25:23

标签: pca

我有一组包含5000行和59种颜色的eeg记录数据集。 coloumns是eeg耳机的通道,行代表每个通道的信号幅度。现在我使用princomp来减小尺寸。但我在变量和观察中感到困惑,因为我有5000个元素的标签向量来分类数据,但如果我在5000x59使用princomp,我得到59x59矩阵,不能按给定标签分类,如果我在59x5000上应用命令数据我得到5000x5000矩阵,这意味着pca增加维度而不是减少。亲切地让我明白如何在我的数据中感知变量和观察。 日Thnx

1 个答案:

答案 0 :(得分:0)

Matlab命令princomp可以有多个返回值。如果我们将您的原始5000x59数据矩阵表示为D,那么

[C, S] = princomp(D);

为您提供主成分系数C(59x59)和实际主成分S(5000x59),其中C是从原始空间到主成分空间的投影,S包含实际的主要组件作为其列。 3个矩阵的关系是

D * C = S

顺便说一句,如果你只关心主要成分S而不需要系数C,你可以做

[~, S] = princomp(D);

有关详细信息,请查看官方Matlab princomp doc