PCA和KPCA及TSNE特征降维及二维三维可视化MATLAB程序包

上传者: 44463965 | 上传时间: 2022-06-27 13:05:19 | 文件大小: 14.94MB | 文件类型: RAR
PCA和KPCA及TSNE降维及二维三维可视化特征matlab程序包。 代码为博主自己编写,注释超详细,可设置多种参数,自己用直接换数据文件名称即可。 亲测可用,主程序里直接有三种方法对比可视化对比图,直接运行主程序即可! 适用人群:信号处理,机器学习,深度学习研究者对信号进行特征分析以及特征提取。 KPCA核心:用核函数将数据实现非线性映射,然后再使用PCA进行降维 t-SNE数据算法的目的 主要是将数据从高维数据转到低维数据,并在低维空间里也保持其在高维空间里所携带的信息(比如高维空间里有的清晰的分布特征,转到低维度时也依然存在)。 TSNE目的:将高维数据降维并进行可视化,输入的数据为N个样本,每个样本具有M个特征(N_sample,M_feature)。输入的标签(N_sample,)。 基本原理:通过映射变换将每个数据点映射到相应的概率分布上。具体的是,在高维空间中使用高斯分布将距离转换为概率分布,在低维空间中,使用长尾分布来将距离转换为概率分布,从而是的高维度空间中的中低等距离在映射后能够有个较大的距离,使得降维时能够避免过多关注局部特征,而忽视全局特征。

文件下载

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