آخرين ارسالهاي تالار

خطا: mod_kunenalatest:كيوننا نسخه 1.7 (يا بالاتر) بر روي سيستم شما نصب نيست!
  • صفحه:
  • 1

موضوع: کاهش بعد داده ها با روش PCA

کاهش بعد داده ها با روش PCA 1 month 1 week ago #22001

  • بهارک
  • ( User )
  • بهارک's Avatar
  • آفلاين
  • Fresh Boarder
  • ارسال: 3
  • امتياز: 0
سلام
کسی در مورد روش PCA اطلاعاتی داره ؟ ممنون میشم از روش استفاده اش تو متلب بهم کمک کنه و راهنمایی کنه ؟

من میخوام 12 تا ویژگی به 4 یا 5 تاتبدیل شه ...چه باید بکنم ؟
مدير دسترسي عمومي براي نوشتن را غيرفعال كرده.

پاسخ: کاهش بعد داده ها با روش PCA 1 month 1 week ago #22011

  • admin
  • ( Admin )
  • admin's Avatar
  • آفلاين
  • Administrator
  • ارسال: 990
  • Thank you received: 547
  • امتياز: 54
از دستور pca استفاده کن و خروجی رو توی بردار اولیه ضرب کن. اونوقت به اندازه ویژگی هایی که میخوای جدا کن.
موفق باشی
"Creativity is seeing what everyone sees and thinking what no one has ever thought." Albert Einstein
مدير دسترسي عمومي براي نوشتن را غيرفعال كرده.

پاسخ: کاهش بعد داده ها با روش PCA 1 month 1 week ago #22016

  • roksana6
  • ( User )
  • roksana6's Avatar
  • آفلاين
  • Junior Boarder
  • ارسال: 30
  • امتياز: 1
admin wrote:
از دستور pca استفاده کن و خروجی رو توی بردار اولیه ضرب کن. اونوقت به اندازه ویژگی هایی که میخوای جدا کن.
موفق باشی

سپاس از جوابتون
اما من اطلاع زیادی از این روش ندارم اگه یه خورده واضح تر توضیح بدید ممنون میشم.

من ویژگی که استخراج میکنم با دستور save به این صورت ذخیره میکنم
save('f1',.....,'f12')
حالا باید این 12 تا رو به 4 تا تبدیل کنم

از دستور pca کدومش استفاده کنم؟ :
1- coeff = pca(X)
2-coeff = pca(X,Name,Value)

و اینکه چجوری این 12 تا رو بنویسم و بفهمه ...یعنی به جای X , ویزگی ها یا همون 12 تا رو بنویسم و با کاما از هم جدا کنم ؟
و فرمودید خروجی رو در بردار اولیه ضرب کنم یعنی چی ؟

ببخشید که سوالام ابتدایی ...واقعا پوزش میخوام ...ولی خیلی خیلی ممنون میشم اگه راهنماییم کنید
مدير دسترسي عمومي براي نوشتن را غيرفعال كرده.

پاسخ: کاهش بعد داده ها با روش PCA 1 month 1 week ago #22017

  • admin
  • ( Admin )
  • admin's Avatar
  • آفلاين
  • Administrator
  • ارسال: 990
  • Thank you received: 547
  • امتياز: 54
roksana6 wrote:
admin wrote:
از دستور pca استفاده کن و خروجی رو توی بردار اولیه ضرب کن. اونوقت به اندازه ویژگی هایی که میخوای جدا کن.
موفق باشی

سپاس از جوابتون
اما من اطلاع زیادی از این روش ندارم اگه یه خورده واضح تر توضیح بدید ممنون میشم.

من ویژگی که استخراج میکنم با دستور save به این صورت ذخیره میکنم
save('f1',.....,'f12')
حالا باید این 12 تا رو به 4 تا تبدیل کنم

از دستور pca کدومش استفاده کنم؟ :
1- coeff = pca(X)
2-coeff = pca(X,Name,Value)

و اینکه چجوری این 12 تا رو بنویسم و بفهمه ...یعنی به جای X , ویزگی ها یا همون 12 تا رو بنویسم و با کاما از هم جدا کنم ؟
و فرمودید خروجی رو در بردار اولیه ضرب کنم یعنی چی ؟

ببخشید که سوالام ابتدایی ...واقعا پوزش میخوام ...ولی خیلی خیلی ممنون میشم اگه راهنماییم کنید

اول همه 12 ویژگی رو یک ماتریس کن به این شکل X = [f1,f2,f3...,f12];
بعدش استفاده میکنی از pca به شکل زیر
X = pca(X)*X
در نهایت برای انتخاب 4 یا 5 ویژگی اول از دستور X=X(:,1:5) استفاده کن. اگر خطایی رخ داد حتما تصویرش رو بذار تا راهنماییت کنم. در ضمن میدونی که چرا 5 تا ویژگی اول رو برمیداریم نه 5 تای آخر رو؟
"Creativity is seeing what everyone sees and thinking what no one has ever thought." Albert Einstein
مدير دسترسي عمومي براي نوشتن را غيرفعال كرده.

پاسخ: کاهش بعد داده ها با روش PCA 1 month 1 week ago #22018

  • roksana6
  • ( User )
  • roksana6's Avatar
  • آفلاين
  • Junior Boarder
  • ارسال: 30
  • امتياز: 1
اول همه 12 ویژگی رو یک ماتریس کن به این شکل X = [f1,f2,f3...,f12];
بعدش استفاده میکنی از pca به شکل زیر
X = pca(X)*X
در نهایت برای انتخاب 4 یا 5 ویژگی اول از دستور X=X(:,1:5) استفاده کن. اگر خطایی رخ داد حتما تصویرش رو بذار تا راهنماییت کنم. در ضمن میدونی که چرا 5 تا ویژگی اول رو برمیداریم نه 5 تای آخر رو؟

وقتی این خط کد رو X = pca(X)*X اجرا میکنم این خطا رو Inner matrix dimensions must agree میده یعنی ابعادشون یکی نیست الان باید چیکار کنم ؟

نه نمیدونم فرق 5 تای اول با آخر چیه :blush:
آخرين ويرايش: 1 month 1 week ago ارسال توسط roksana6.
مدير دسترسي عمومي براي نوشتن را غيرفعال كرده.

پاسخ: کاهش بعد داده ها با روش PCA 1 month 1 week ago #22021

  • admin
  • ( Admin )
  • admin's Avatar
  • آفلاين
  • Administrator
  • ارسال: 990
  • Thank you received: 547
  • امتياز: 54
1-کدت و فایلت رو بفرست
2-چون pca براساس پراکندگی(واریانس) ویژگی ها میاد ویژگی های جدیدی تولید میکنه. اولین ویژگی بیشترین تمایز و آخرین وِیژگی کمترین تمایز رو برای نمونه ها ایجاد میکنه. بنابراین اولین 5 ویژگی قطعا از دومین، سومین و ... 5 ویژگی بعدی بهتر هستند
"Creativity is seeing what everyone sees and thinking what no one has ever thought." Albert Einstein
مدير دسترسي عمومي براي نوشتن را غيرفعال كرده.

پاسخ: کاهش بعد داده ها با روش PCA 1 month 6 days ago #22024

  • roksana6
  • ( User )
  • roksana6's Avatar
  • آفلاين
  • Junior Boarder
  • ارسال: 30
  • امتياز: 1
admin wrote:
1-کدت و فایلت رو بفرست
2-چون pca براساس پراکندگی(واریانس) ویژگی ها میاد ویژگی های جدیدی تولید میکنه. اولین ویژگی بیشترین تمایز و آخرین وِیژگی کمترین تمایز رو برای نمونه ها ایجاد میکنه. بنابراین اولین 5 ویژگی قطعا از دومین، سومین و ... 5 ویژگی بعدی بهتر هستند



نمیدونم چرا فایل ارسال نمیشه ... ؟ چجوری بفرستم ؟
درج رو میزنم ولی هیچی درج نمیشه :dry:
مدير دسترسي عمومي براي نوشتن را غيرفعال كرده.

پاسخ: کاهش بعد داده ها با روش PCA 1 month 5 days ago #22025

  • admin
  • ( Admin )
  • admin's Avatar
  • آفلاين
  • Administrator
  • ارسال: 990
  • Thank you received: 547
  • امتياز: 54
به ایمیل mathworks.ir بفرستید.
البته از قصسمت افزودن فایل نیز میتوانید استفاده کنید
"Creativity is seeing what everyone sees and thinking what no one has ever thought." Albert Einstein
مدير دسترسي عمومي براي نوشتن را غيرفعال كرده.

پاسخ: کاهش بعد داده ها با روش PCA 1 month 5 days ago #22029

  • roksana6
  • ( User )
  • roksana6's Avatar
  • آفلاين
  • Junior Boarder
  • ارسال: 30
  • امتياز: 1
admin wrote:
به ایمیل mathworks.ir بفرستید.
البته از قصسمت افزودن فایل نیز میتوانید استفاده کنید


فرستادم به ایمیل آدرس ایمیل جهت جلوگیری از رباتهای هرزنامه محافظت شده اند، جهت مشاهده آنها شما نیاز به فعال ساختن جاوا اسکریپت دارید
مدير دسترسي عمومي براي نوشتن را غيرفعال كرده.

پاسخ: کاهش بعد داده ها با روش PCA 1 month 4 days ago #22033

  • roksana6
  • ( User )
  • roksana6's Avatar
  • آفلاين
  • Junior Boarder
  • ارسال: 30
  • امتياز: 1
admin wrote:
به ایمیل mathworks.ir بفرستید.
البته از قصسمت افزودن فایل نیز میتوانید استفاده کنید

ایمیلم بدستتون رسید؟
مدير دسترسي عمومي براي نوشتن را غيرفعال كرده.

پاسخ: کاهش بعد داده ها با روش PCA 1 month 4 days ago #22034

  • admin
  • ( Admin )
  • admin's Avatar
  • آفلاين
  • Administrator
  • ارسال: 990
  • Thank you received: 547
  • امتياز: 54
بدون اشکال روی سیستم من اجرا شد!
"Creativity is seeing what everyone sees and thinking what no one has ever thought." Albert Einstein
مدير دسترسي عمومي براي نوشتن را غيرفعال كرده.

پاسخ: کاهش بعد داده ها با روش PCA 1 month 4 days ago #22035

  • roksana6
  • ( User )
  • roksana6's Avatar
  • آفلاين
  • Junior Boarder
  • ارسال: 30
  • امتياز: 1
admin wrote:
بدون اشکال روی سیستم من اجرا شد!


واقعا ؟؟؟ :blush:

پس باشید بزارید یه بار دیگه خروجی بگیرم
مدير دسترسي عمومي براي نوشتن را غيرفعال كرده.

پاسخ: کاهش بعد داده ها با روش PCA 1 month 4 days ago #22036

  • roksana6
  • ( User )
  • roksana6's Avatar
  • آفلاين
  • Junior Boarder
  • ارسال: 30
  • امتياز: 1
admin wrote:
بدون اشکال روی سیستم من اجرا شد!

متاسفانه برای من بازم همون خطا رو گرفت ...
Error using *
Inner matrix dimensions must agree.


به هر ممنونم بابتی وقتی که گذاشتید ...خیلی متشکر
مدير دسترسي عمومي براي نوشتن را غيرفعال كرده.
  • صفحه:
  • 1
Time to create page: 0.046 seconds
logo-samandehi