使用pca进行特征选择

9个视图(过去30天)
贝拉
贝拉 2019年8月22日
回答: 格雷格·希思 2019年8月23日
我从100张乳腺热像图中提取了13个特征来检测乳腺癌,它们是(均值、标准差、相关性、对比度、能量、熵、偏度、同质性、方差、平滑度、峰度、RMS和IDM),我想用它们来训练神经网络进行分类(良性或恶性)。如何使用pca获得最佳功能?我应该在之前规范化这些值吗?当我应用主成分分析时,我得到系数和分数,我应该使用分数作为我的神经网络的输入,还是在系数和我的特征之间有一个等式用于我的神经网络?对不起,我的问题很长,但pca仍然让我困惑!!!

答复(1)

格雷格·希思
格雷格·希思 2019年8月23日
PCA(主坐标分析)是一种非常有用的回归方法(它对原始变量的线性组合进行排序)
然而
PLS(主成分分析)是一种更有用的分类方法(它对原始变量进行排序)!
我不明白为什么在基础统计课文中没有更广泛地讨论它(如果有的话!)。。
我在新闻组和答案中都有一些帖子。
希望这是有帮助的。
谢谢你正式接受我的回答!
格雷格

社区寻宝

在MATLAB Central中查找宝藏,了解社区如何帮助您!

开始打猎吧!