matlab - 如何获得最终的特征？

Question

原始数据为Y，Y的大小为L*n(n为数字)特征数；L 是观测值的数量。B 是原始数据 Y 的协方差矩阵。假设 A > 是协方差矩阵 B 的特征向量。我将 A 表示为 A = (e1, e2,...,en)，其中ei 是一个特征向量。矩阵 Aq 是第一个 q 特征向量，ai 是 的行向量Aq:Aq = (e1,e2,...,eq) = (a1,a2,...,an)'。我想将 k-means 算法应用于Aq 将行向量 ai 聚类到 k 个簇或更多(注意:我不想将 k-means 算法应用于特征向量ei 到 k 个簇)，对于每个簇，只保留最接近簇中心的向量，最终选择该向量对应的特征作为信息特征。

我的问题是:

1) 将 k-means 算法应用于 Aq 将行向量 ai 聚类到 k 簇与应用k-means 算法到 Aq 将特征向量 ei 聚类到 k 簇？

2)我得到的closest_vectors来自这个命令:closest_vectors = Aq(min_idxs, :)，closest_vectors的大小是k*q double 。如何获得最终的信息特征？由于最终的信息特征必须从原始数据Y中获得。

谢谢!

我发现了两个关于pca和pfa的函数:

function [e m lambda, sqsigma] = cvPca(X, M)

[D, N] = size(X);

if ~exist('M', 'var') || isempty(M) || M == 0
    M = D; 
end
M = min(M,min(D,N-1));

%% mean subtraction
m = mean(X, 2);  %%% calculate the mean of every row

X = X - repmat(m, 1, N);

%% singular value decomposition. X = U*S*V.' or X.' = V*S*U.'
[U S V] = svd(X,'econ');

e = U(:,1:M);

if nargout > 2
    s = diag(S);

    s = s(1:min(D,N-1));

    lambda = s.^2 / N; % biased (1/N) estimator of variance

end

% sqsigma. Used to model distribution of errors by univariate Gaussian
if nargout > 3
    d = cvPcaDist(X, e, m); % Use of validation set would be better

    N = size(d,2);

    sqsigma = sum(d) / N; % or (N-1) unbiased est

end
end

%///////////////////////////////////////////////////////////////////////////////////////

function [IDX, Me] = cvPfa(X, p, q)
[D, N] = size(X);
if ~exist('p', 'var') || isempty(p) || p == 0
    p = D;
end
p = min(p, min(D, N-1));
if ~exist('q', 'var') || isempty(q)
    q = p - 1;
end

%% PCA step
[U Me, Lambda] = cvPca(X, q);

%% cluter row vectors (q x D). not col
[Cl, Mu] = kmeans(U, p, 'emptyaction', 'singleton', 'distance', 'sqEuclidean');

%% find axis which are nearest to mean vector
IDX = logical(zeros(D,1));
for i = 1:p
    Cli = find(Cl == i);
    d = cvEucdist(Mu(i,:).', U(Cli,:).');
    [mini, argmin] = min(d);
    IDX(Cli(argmin)) = 1;
end

Answer 1

总结 Olologin 的评论，对协方差矩阵的特征向量或 SVD 的 U 矩阵的列进行聚类是没有意义的。在这种情况下，特征向量都是正交的，因此如果您尝试对它们进行聚类，每个聚类只能得到一个成员，并且该聚类的质心由特征向量本身定义。

现在，您真正想要的是选择数据矩阵中的特征，这些特征可以根据歧视性分析来描述您的数据。

您提供的函数既可以计算 SVD，也可以提取数据的 k 主要成分，并确定从这些 k 中选择哪些特征作为最突出。默认情况下，要选择的功能数量等于k，但如果需要，您可以覆盖此设置。让我们坚持使用默认值。

cvPfa 函数为您执行此特征选择，但会警告您，该函数中的数据矩阵的组织方式为每行是一个特征，每个< strong>列是一个示例。输出是一个逻辑向量，它告诉您数据中哪些特征最适合选择。

简单地说，你只需这样做:

k = 10; %// Example
IDX = cvPfa(Y.', k);
Ynew = Y(:,IDX);

此代码将选择数据矩阵中 10 个最突出的特征，并选出最能代表数据或最具辨别力的这 10 个特征。然后，您可以将输出用于您要定位的任何应用程序。