Ben Şimdiye kadar var PCA 10 900 boyutları azaltarak gerçekleştirmek çalışıyorum: labels
karakter (1-26) için 1x699 etiketlerdirPCA Boyut Azaltma
covariancex = cov(labels);
[V, d] = eigs(covariancex, 40);
pcatrain = (trainingData - repmat(mean(traingData), 699, 1)) * V;
pcatest = (test - repmat(mean(trainingData), 225, 1)) * V;
. trainingData
, 699 karakterlik görüntüler için 699x900, 900 boyutlu verilerdir. test
, 225x900, 225 900 boyutlu karakterlerdir.
Temel olarak bunu 225x10 yani 10 boyuta indirmek istiyorum ancak bu noktada sıkışmış durumdayım.
Bu harika çok teşekkür ederim! – user3094936
çok hoş geldiniz! – lennon310
Sadece bir şey daha var, neden 40'ı neden kullandığımı hatırlıyorum (buna çok ihtiyacım yok), çünkü öğretim elemanına göre, 1:10 yerine 2:11 boyutlarını almak daha iyidir, bunu nasıl başarabilirim? – user3094936