基于重构ICA的特征提取gydF4y2Ba
返回一个重构独立分量分析(RICA)模型对象,其中包含将RICA应用于预测器数据的表或矩阵的结果gydF4y2BaMdlgydF4y2Ba
=黎加(gydF4y2BaXgydF4y2Ba
,gydF4y2Ba问gydF4y2Ba
)gydF4y2BaXgydF4y2Ba
包含gydF4y2BapgydF4y2Ba变量。gydF4y2Ba问gydF4y2Ba
要提取的特征的数量是多少gydF4y2BaXgydF4y2Ba
,因此gydF4y2Ba黎加gydF4y2Ba
学习一个gydF4y2BapgydF4y2Ba——- - - - - -gydF4y2Ba问gydF4y2Ba
变换权值矩阵。对于不完全或过完全特征表示,gydF4y2Ba问gydF4y2Ba
可以分别小于或大于预测变量的数量。gydF4y2Ba
要访问学习到的转换权重,请使用gydF4y2BaMdl。TransformWeights
.gydF4y2Ba
转换gydF4y2BaXgydF4y2Ba
通过使用学习到的转换,传递到新的特征集gydF4y2BaMdlgydF4y2Ba
而且gydF4y2BaXgydF4y2Ba
来gydF4y2Ba变换gydF4y2Ba
.gydF4y2Ba
使用一个或多个指定的其他选项gydF4y2BaMdlgydF4y2Ba
=黎加(gydF4y2BaXgydF4y2Ba
,gydF4y2Ba问gydF4y2Ba
,gydF4y2Ba名称,值gydF4y2Ba
)gydF4y2Ba名称,值gydF4y2Ba
对参数。例如,可以对预测器数据进行标准化,或者在目标函数的重构项中指定惩罚系数的值。gydF4y2Ba
的gydF4y2Ba黎加gydF4y2Ba
函数创建输入特征到输出特征的线性转换。转换基于优化一个非线性目标函数,该函数大致平衡了输出特征的统计独立性与使用输出特征重建输入数据的能力。gydF4y2Ba
详细信息请参见gydF4y2Ba重构ICA算法gydF4y2Ba.gydF4y2Ba
sparsefiltgydF4y2Ba
|gydF4y2Ba变换gydF4y2Ba
|gydF4y2BaReconstructionICAgydF4y2Ba