模式識(shí)別及其分類-wenkub.com
2025-03-01 08:30 本頁(yè)面
【正文】 1. 用 PCA對(duì)樣本分類，并評(píng)價(jià)各指標(biāo)的重要性及相關(guān)性。 the judgement is RIGHT. \n39。 if s*clu_unk(i,1)0 fprintf(39。 end end II 訓(xùn)練確定 w for i = 1:n_unk s = w*Y_unk(i,:)39。 % 給初值， w設(shè)為行矢量 for i = 1:n_std s = w*Y_std(i,:)‘。 clu_unk = cluster(17:20,:)。 %let symbol of first cluster=1 and second cluster=1 Y(:,p)=[]。Y(:,1)=[]。 close all。 模式識(shí)別與分類 主成分分析 PCA 因子分析 FA 聚 類分析 clustering 無(wú)監(jiān)督方法 模式識(shí)別與分類 PCA TTLX ?得分 score 載荷 loading d為主成分?jǐn)?shù) 模式識(shí)別與分類 PCA 投影判別法 XLT ?數(shù)據(jù)重構(gòu) 組成互不相關(guān)的新變量 取較少的主成分?jǐn)?shù) (常為 2)，完成分類 3 2 1 0 1 2 3258491367 模式識(shí)別與分類 PCA實(shí)例 1 不同嫌疑人頭發(fā)中元素的含量 (μg/g) 樣品 Cu Mn Cl Br I 1 1730 2 930 3 2750 4 1500 5 1040 6 2490 7 2940 8 867 9 1620 原始數(shù)據(jù)X(95) autoscaling 計(jì)算 相關(guān)矩陣 計(jì)算 特征值 返回 模式識(shí)別與分類 方差百分?jǐn)?shù) 主成分?jǐn)?shù)的確定 ?????piidiies112??指定 , 如 90% 相應(yīng)的 d 2esPCA實(shí)例 1 頭發(fā)樣品中的特征值與方差 成分?jǐn)?shù) 特征值 λ 方差 % 累計(jì)方差 % 1 2 3 4 5 特征值 1 對(duì)于 相關(guān)矩陣 , λ1的成分為主成分 ppi i???1?Scree檢驗(yàn) nPC在 23間 斜率下降 因此 d=2合適 012340 1 2 3 4 5nPCλ 模式識(shí)別與分類 得分圖 主成分圖形解釋 PCA實(shí)例 1 3 2 1 0 1 2 3t1t22584913672 0 1 2 3t2584913673個(gè)聚類 分屬三人 t1對(duì) t2作圖 t1最重要 模式識(shí)別與分類 主成分圖形解釋 PCA實(shí)例 1 載荷圖 10 0 l 1l2CuMnBrClIl1對(duì) l2作圖 特征 在主成分上的投影 各變量 的相關(guān)信息 夾角 越小，相關(guān)性越高 高度 相關(guān)的特征取 1即可 載荷 大小是重要性的
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1