سوال در موردpca

[fereshte]

سلام.میخواستم بدونم در کاهش ویژگی به کمک pca وپیاده سازی اون در متلب،آیا می توان تعداد ویژگی پس از کاهش رو خودمون تعیین کنیم.؟ممنون

[hess]

پاسخ : سوال در موردpca

سلام ..................

منظورتون از اینکه بعد از PCA و پیاده سازی اون، feature های خاص رو باید extract کنیم دقیقا چیه؟ ممکنه واضحتر بفرمایید؟ ممنون ..

در ضمن لینک زیر رو هم مشاهده کنید، فکر کنم براتون مفید باشه .. موفق باشید ..

http://www.eca.ir/forum2/index.php?topic=14253.0

[fereshte]

پاسخ : سوال در موردpca

منظورم از سوال اینه که به عنوان مثال من می خوام یک بردار با 40 عنصر رو با pcaبه برداری با 10 عنصر تبدیل کنم میشه اینکاررو کرد یا تعداد کاهش دست ما نیست؟ممنون از پاسختون

[hess]

پاسخ : سوال در موردpca

سلام ..................

ببینید تا اونجایی که من از PCA اطلاعات دارم ، اون المنت های Principle رو خودش انتخاب میکنه (با اون فرمول و روابط اقلیدسی که داره ..) در نتیجه فکر نکنم به همچین کاری رو Manual انجام داد .. متوجه شدم شما مطلبتون چیه .. شما میخواید یه feature Vector رو با استفاده از feature Selection تحلیل کنید به قسمی که دست خودتون باشه این Selection .. درست متوجه شدم؟ اگه منظورتون این باشه ممکنه استدلالتون از استفاده از PCA رو بفرمایید؟ یک مقدار مستند تر و شفاف تر .. ممنون میشم .. موفق باشید ..

[مارال ع]

پاسخ : سوال در موردpca

با سلام
من 50 داده و 29 ویژگی دارم (یک ماتریس شامل 50 سطر و 29 ستون ) که این 50 داده مربوط به دوکلاس مجزا میباشند ،
من از برنامه libsvm برای طبقه بندی دو کلاس داده و پیش بینی آنها استفاده کردم ، که متاسفانه نتیجه ی خوبی نگرفتم.
می خواستم برای گرفتن نتیجه بهتر ، قبل از اعمال طبقه بندی کننده ، روی داده هایم پیش پردازشی انجام دهم
که هم تمایز دو کلاس داده بیشتر شود و هم تعداد ویژگی هایم کمتر و ویژگی های بهینه استخراج و در طبقه بندی کننده استفاده شوند.
میخواستم بدونم که آیا با PCA یا SVD میشه این کار رو انجام داد و از چه دستوراتی برای گرفتن نتیجه بهتر باید استفاده کنم ؟
و اینکه بعد از استخراج ویژگی های بهینه توسط PCA آیا می توان تشخیص داد که از کدام ویژگی ها به عنوان ویژگی های بهینه استفاده کرده است؟
با تشکر
ممنون میشم اگه جواب را به ایمیلم ارسال کنید
iceflower12@yahoo.com

[eehadi]

پاسخ : سوال در موردpca

1- میتونید از برنامه متلب هم استفاده کنید.
2- با SVD یادم نمیاد کار کرده باشم ولی PCA کار کردم، با PCA میشه کاهش ویژگی انجام داد. تعداد ویژگی های جدید رو کاربر باید تعیین کنه و خود الگوریتم تعداد رو مشخص نمی کنه. میتونی برنامه اش رو خودت بنویسی و یا از دستورات آماده متلب استفاده کنی.
3- PCA ابعاد فضای ویژگی رو کاهش میده که این کار با نگاشت فضای ویژگی به یک فضای کاهش یافته انجام میشه که در حالت کلی رابطه ساده ای با ویژگی های اولیه ندارن و نمیشه تشخیص داد کدوم ویژگی ها تأثیر بیشتری در شکل گیری ویژگی های جدید داشتن.

[مارال ع]

پاسخ : سوال در موردpca

سلام
ممنون از راهنمایی خوبتون
من دستورات اجرایی PCA در متلب را خوب نمی شناسم و نمی دونم چطوری باید تنظیمات دلخواهم را بهش بدم.
از دستور زیر که از Help متلب پیدا کرده بودم در برنامه ام استفاده کرده بودم ولی جواب قابل قبولی به دست نیاورده بودم ، در اصل تفاوت خاصی در نتیجه ی داده های من با حالت بدون استفاده از pca ایجاد نکرده بود.

[COEFF,SCORE] = princomp(data)
data1=SCORE;

داده های اولیه من در ماتریسی به نام data با 50سطر( تعداد داده ها) و 29 ستون ( تعداد ویژگی ها) ذخیره شده اند
و از خروجی SCORE به عنوان داده های جدید استفاده کردم ( با همان تعداد سطر و ستون !!! )
که نتیجه مثبت و قابل ملاحظه ای را در نهایت در پی نداشت !!!!

ممنون میشم اگر راهنمایی بیشتری در این زمینه کنید
و اینکه از چه کدهای دستوری در متلب استفاده کنم و برای کاهش تعداد ویژگی هایم چگونه تنظیمشان کنم

[eehadi]

پاسخ : سوال در موردpca

راهنمای متلب دستور رو با مثال توضیح داده لطفاً با دقت مطالعه کن چون وقت خیلی کمتری میگیره تا این که منتظر جواب سوالت در انجمن باشی. در صورتی که به داده ها شک داری میتونی داده ها رو اینجا بذاری.

[مارال ع]

پاسخ : سوال در موردpca

سلام
ممنون از راهنماییتان
فکر می کردم شاید حداقل بتوانید در مورد دستوراتی که میشد ازآنها استفاده کرد،آو نحوه ی تنظیماتشان راهنمایی بیشتری بکنید
به هرحال ممنون