高维数据的快速主成分分析:在分析非常高维的数据时,这种主成分分析的实现比MATLAB的pca.m快得多。-matlab开发

上传者: 38596093 | 上传时间: 2021-09-19 01:01:01 | 文件大小: 2KB | 文件类型: ZIP
[COEFF,分数,隐藏,特例] = fastpca(数据) 非常高维数据的快速主成分分析(例如神经影像数据的体素级分析),根据 C. Bishop 的书“模式识别和机器学习”,第 10 页实施。 570.对于高维数据,fastpca.m比MATLAB的内置函数pca.m快得多。 根据 MA​​TLAB 的 PCA 术语,fastpca.m 需要一个输入矩阵,每行代表一个观察(例如主题),每列代表一个维度(例如体素)。 fastpca.m 返回主成分 (PC) 载荷 COEFF、PC 分数 (SCORE)、PC 以绝对值 (LATENT) 和百分比 (EXPLAINED) 解释的方差。 此外,fastpca 返回小协方差矩阵 (COEFF) 的 PC 负载。 计算时间的减少是通过从转置的输入矩阵“数据”的(较小)协方差矩阵而不是原始输入矩阵的大协方差矩阵中计算出PC来计算的,然后将这

文件下载

资源详情

[{"title":"( 1 个子文件 2KB ) 高维数据的快速主成分分析:在分析非常高维的数据时,这种主成分分析的实现比MATLAB的pca.m快得多。-matlab开发","children":[{"title":"fastpca.m.zip <span style='color:#111;'> 2.39KB </span>","children":null,"spread":false}],"spread":true}]

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明