Question

我有一个庞大的数据集（32000 * 2500），我需要进行培训。这对于我的分类器来说似乎太过分了，所以我决定对维数降低进行一些阅读，特别是对PCA进行阅读。

根据我的理解，PCA选择当前数据并在另一个（x，y）域/规模上重新创建它们。这些新坐标并不意味着什么，但数据被重新排列以给出一个轴最大变化。在这些新系数之后，我可以删除具有最小变化的cooeff。

现在我正在尝试在MatLab中实现它，并且在提供的输出方面遇到了麻烦。 MatLab始终将行视为观察，将列视为变量。因此，我对pca函数的输入将是我的大小(32000*2500)的矩阵。这将在大小为2500*2500的输出矩阵中返回PCA系数。

pca状态的帮助：

coeff的每列包含一个主体的系数组件，列按组件的降序排列方差。

在此输出中，哪个维度是我的数据的观察？我的意思是，如果我必须将其分配给分类器，coeff的行是否代表我的数据观察结果，还是现在是coeff的列？

如何删除变化最小的系数？

Answer 1

（免责声明：自从我从matlab转为scipy以来已经很长时间了，但原则是相同的。）

如果您使用svd function

[U,S,V] = svd(X)

然后，为了将X的维度减少到k，您需要乘以k的前V列。在matlab中，我猜是

X * V(:, 1: k);