问题标签 [pca]

我正在做一个人脸识别项目，在 PCA 子空间上投影时遇到问题。

当我将带有调整大小的图像的垫矢量传递给我的函数时，我将它们投影，然后我重建它们以验证它是否正常工作，但我在“Cam”窗口中拥有的只是一个灰色图像（所有相同的颜色）。

我不知道我在做什么坏事。

这是功能：

我正在寻找一个类或一个函数，或者只是一段可以在 PHP 中进行主成分分析 (PCA) 的代码。我有兴趣减少一些数据的维数。

我知道 PHP 不是用于繁重计算的正确语言，所以请不要建议使用其他语言！

我有一个不同维度的数据点，我想在它们之间进行比较，以便我可以删除冗余点。我试图通过使用 PCA 来制作相同维度的点，但问题是 PCA 减少了维度，但是我失去了每个维度的含义，因为结果点与我拥有的点不同，所以我想知道是否有任何其他方式。换句话说，我想知道是否有任何方法可以帮助我比较不同维数的点。

我正在尝试调整ggbiplot以使用包PCA生成的数据对象，FactoMineR但我收到了我不理解的警告。

这是我到目前为止所做的，我已经使用我在电子邮件列表中找到的详细信息添加了从else if(inherits(pcobj, 'PCA'))下一个开始和结束的位。我没有在代码的其他地方更改任何内容，此处完全复制：}FactoMineR

它产生一个情节，如下所示：

但它也会产生这些警告，我不明白（@baptiste 的建议删除了一堆其他警告）：

如何修复ggbiplot代码以便在绘制对象时不会产生这些警告PCA？我担心他们可能会导致输出不是我所期望的。

大家好，我正在阅读一篇论文 Eigenfaces vs. Fisherfaces: Recognition Using Class Specific Linear Projection，我想知道为什么在 PCA 中选择投影 W 以最大化投影样本的总散射矩阵的行列式，即 arg max |W^T S_T W|(以乳胶形式) 其中 S_T 是原始数据集的散布矩阵。非常感谢！

我在 Ubuntu Opencv 工作。我正在尝试对单个图像进行 PCA 分析。我采用 3 通道图像并将其更改为具有 3 列和 r*c 行数的单通道图像。r 和 c 是行和原始图像的列。当我在 PCA 上进行反投影后尝试显示重建图像时，它给了我一个绿色图像。这是我的代码

在进行回归或分类时，预处理数据的正确（或更好）方法是什么？

1. 规范化数据 -> PCA -> 训练
2. PCA -> 标准化 PCA 输出 -> 训练
3. 规范化数据 -> PCA -> 规范化 PCA 输出 -> 训练

以上哪个更正确，或者是预处理数据的“标准化”方式？“标准化”是指标准化、线性缩放或其他一些技术。

我试图找到一些点与原点的马氏距离。MATLAB 命令是 mahal(Y,X)

但是如果我使用它，我会得到 NaN 作为矩阵 X = 0，因为需要从原点找到距离。有人可以帮我解决这个问题。应该怎么做

我正在使用 KNN 对手写数字进行分类。我现在也实施了 PCA 来降低维度。从 256 到 200。但我只注意到大约 0.10% 的信息丢失。我删除了 56 维。损失不应该更大吗？只有当我下降到 5 个维度时，我才会损失约 20%。这是正常的吗？

我正在运行一个 R 脚本，使用FactorMineR.

我想输出生成的 PCA 图的坐标，但找不到正确的坐标。我找到了results1$ind$coord，results1$var$coord但看起来都不像默认情节。

我找到了 http://www.statistik.tuwien.ac.at/public/filz/students/seminar/ws1011/hoffmann_ausarbeitung.pdf 和 http://factominer.free.fr/classical-methods/principal-components-analysis。 html 但都没有描述 PCA 创建的变量的内容