Question

我有一个非常大的数据集，我需要将其用于分类目的。但是当我尝试在MatLab中使用它时，我会得到out of memory错误。为了解决这个问题，我尝试研究PCA，因为这是解决此类问题的预期解决方案。

因此，为了更好地理解PCA并确保我可以交替使用PCA和原始数据产生的结果，我想从PCA分数和系数中重现原始数据集。

我使用以下代码获取PCA分数和系数，然后将其更改回原始数据集。

%all_feats is the original dataset of size 128 x 19882
[n m] = size(double(all_feats));
Amean = mean(double(all_feats));
Astd = std(double(all_feats));
B =  zscore(double(all_feats)); %standardise the data
[COEFF,testy] = pca(B,  'NumComponents',2); %This does not reproduce the same result
%[COEFF,testy] = pca(B); %This works ok, but with values > 0
back = ((B * COEFF) * COEFF') .* repmat(Astd,[n 1]) + repmat(Amean,[n 1]);

我发现当我使用[COEFF,testy] = pca(B);时，back与all_feats相同，但原始数据集中的所有0都已替换为极小的值，例如{ {1}}。我认为，因为它们很小，所以它们也可以用于其他目的。但有什么方法可以解决这个问题吗？比如获得相同的数据。

此外，如果我想使用3.517186542012496e-13将尺寸缩小为2，那么[COEFF,testy] = pca(B, 'NumComponents',2);看起来就像back。这是为什么？数据是否因尺寸减小而改变？我可以不用它来代替原始数据集吗？

Answer 1

降维技术丢失信息。你不能重现你的初始数据，只有它的“近似值”。实际上，这可以被视为一种压缩。与有损压缩技术类似 - 您无法恢复确切的原始数据。

通过PCA减小尺寸后无法生成原始数据

1 个答案: