问题标签 [pca]

我正在使用稀疏数据的特征值分解来实现 PCA。我知道 matlab 实现了 PCA，但它可以帮助我在编写代码时理解所有技术细节。我一直在遵循这里的指导，但与内置函数 princomp 相比，我得到了不同的结果。

任何人都可以看看它并指出我正确的方向。

这是代码：

我正在尝试使用“eigenfaces”通过opencv实现人脸识别训练功能。我有示例数据，但找不到有关 CalcPCA 函数参数的任何信息。我所知道的是它需要数据矩阵，对平均特征面矩阵的引用，对特征向量的引用和对特征值矩阵的引用。

我的问题是，我应该如何将来自几个测试图像矩阵的数据传递到 CalcPCA 的第一个参数中，以便获得平均特征面和向量？

谁能给我一个关于如何使用 Cimg 为 3 维数组计算 SVD 的快速指南？我只想对数组进行分解，以便将其压缩到很小以加快进一步处理。我应该在哪里输入什么值，以及如何获得输出？我一直在搜索，但仍然无法理解它是如何工作的。并没有真正完全理解 SVD 的工作原理。只知道它可以用来解压缩矩阵。

同时我发现 OpenCV 和 Eigen 库也可以完成这项工作，如果更容易的话，请告诉我他们的步骤..

（对我来说，替代 SVD 的是 PCA，我找到了它的源/库，但也不知道如何使用..）

谢谢！

我的代码：

虹膜数据集：http: //archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data

输出：

期望的输出：
特征值 -[2.9108 0.9212 0.1474 0.0206]
主成分 -Same as I got but transposed好吧，我猜

另外，linalg.eig 函数的输出是什么？根据维基百科上的 PCA 描述，我应该这样做：

但它与我在网上找到的教程中的输出并不真正匹配。另外，如果我有 4 个维度，我认为我应该有 4 个特征值，而不是像 eig 给我的 150。难道我做错了什么？

编辑：我注意到这些值相差 150，这是数据集中元素的数量。此外，特征值应该相加等于维数，在这种情况下为 4。我不明白为什么会发生这种差异。如果我简单地将特征值除以len(data)我可以得到我想要的结果，但我不明白为什么。无论哪种方式，特征值的比例都不会改变，但它们对我很重要，所以我想了解发生了什么。

从我们离开的地方接...

所以我可以使用 linalg.eig 或 linalg.svd 来计算 PCA。当它们被输入相同的数据时（我目前正在使用 Iris 数据集），每个都返回不同的主成分/特征向量和特征值。

看这里或任何其他将 PCA 应用于虹膜数据集的教程，我会发现特征值是[2.9108 0.9212 0.1474 0.0206]. 该eig方法为我提供了一组不同的特征值/向量，我不介意使用，除了这些特征值，一旦相加，就等于维数 (4)，并且可以用来找出每个分量对总方差。

取linalg.eig我返回的特征值是做不到的。例如，返回的值为[9206.53059607 314.10307292 12.03601935 3.53031167]. 在这种情况下，方差的比例为[0.96542969 0.03293797 0.00126214 0.0003702]。另一页说（“一个组件解释的变化比例就是它的特征值除以特征值之和。”）

由于每个维度解释的方差应该是恒定的（我认为），因此这些比例是错误的。所以，如果我使用 的返回值svd()，这是所有教程中使用的值，我可以从每个维度获得正确的变化百分比，但我想知道为什么eig不能这样使用返回的值。

我假设返回的结果仍然是投影变量的有效方法，那么有没有办法转换它们，以便我可以得到每个变量解释的正确比例的方差？换句话说，我可以使用该eig方法并且仍然具有每个变量的方差比例吗？此外，这种映射是否只能在特征值中完成，以便我可以同时拥有真实的特征值和归一化的特征值？

对不起，很长的文章顺便说一句。这是一个(::)已经走到这一步的。假设你不只是阅读这一行。

我在使用最新的 C++ 语法与 Mat 和 PCA 类一起工作时遇到问题。较旧的 C 语法采用 IplImage* 数组作为参数来执行其处理，而当前 API 仅采用按 Column 或 Row 格式化的 Mat。我采用了 Row 方法，使用 reshape 函数来拟合我的图像矩阵以适合单行。我最终想要获取这些数据，然后使用 SVM 算法进行检测，但是当我这样做时，我的所有数据都只是一个 0 流。有人可以帮我吗？我究竟做错了什么？谢谢！

我看到了这个问题，它有点相关，但我不确定解决方案是什么。

这基本上就是我所拥有的：

我想使用 Matlab 的“princomp”函数，但这个函数给出了排序数组中的特征值。这样我就无法找出哪个列对应哪个特征值。对于 Matlab，

是相同的

也就是说，交换前两列不会改变任何东西。潜在的结果（特征值）将是： (27,0,0) 信息（哪个特征值对应于哪个原始（输入）列）丢失。有没有办法告诉matlab不要对特征值进行排序？

我正在使用 coeff 和 score 输出创建 PCA 数据的双图。我希望在双标图上最远的点之间画一条线。我不确定如何在不自己添加的情况下添加一条线（这会很乏味）。

我知道哪两个点彼此相距最远。我的系数是 7x7，但我使用双标图的前 3 列以及分数矩阵中的 1:3 列。

我将如何在这两个点之间用 line 或 plot3 绘制一条线。似乎可以完成，但我不确定要为该行指定哪些数据。

我只是想知道 OpenCV 2.2 中的 cv::PCA::PCA 构造函数方法是否会减去均值，或者我是否必须传递已减去均值的数据。

我测试了两种方式，但是在可视化特征面时，它们都没有给我很好的结果，只是一个黑屏。我没有分段错误或错误，只是没有像论文中那样获得特征脸可视化。

我是 MATLAB 的初学者，正在做我的数字图像处理编程项目，即使用小波特征+SVM+PCA+ANN 的磁共振图像分类。我从 MATLAB 工具中执行了示例 SVM 分类并对其进行了修改以满足我的要求。在输入向量中存储多个特征以及向 SVM 提供新输入时，我遇到了问题。请帮忙。