Question

我正在研究神经网络，我正在创建一个感知器，它将作为带有面部图像数据集的分类器。在将样本分成两组用于训练和测试之前，我需要对我的数据集执行pca（主成分分析）。通过这样做，我降低了数据的维度，同时我正在压缩图像的大小。

但是，我不是统计学家，我在定义用于pca方法的主要组件数量时遇到一些问题，没有任何特定的公式。我的数据集是4096x400的数组，400是样本图像的数量，4096是它们的维度。有没有办法更准确和准确地说明在pca期间使用的主要组件的数量？

我正在使用matlab，所以我使用的是princomp。提前感谢您，我们将非常感谢您的帮助。

Answer 1

问题：我应该在模式分类中使用多少主成分？

答案：尽可能低。

当您申请PCA时，您会根据您的数据获得主要组件的数量。假设您从数据中获得10个主要组件。您将控制使用主成分解释差异的程度。

例如

  component  variance explained
  1          0.40
  2          0.25
  3          0.15
  4          0.10
  5          0.05
  6          0.01
  7          0.01
  8          0.01         
  9          0.01         
  10         0.01

有了这个，你决定截止数并训练你的分类器。在此示例中，您可以看到前4个主要组件包含％90个信息。只有4个主要成分，您的结果可能足够好。

您可以添加第5个主要组件，这5个主要组件将保留您的信息的％95，依此类推。

查看PCA and image data here

的示例

我应该在模式分类中使用多少主要组件？

1 个答案:

问题：我应该在模式分类中使用多少主成分？

答案：尽可能低。