Algorithm 如何使用QR分解来降低数据集的维数？_Algorithm_Matlab_Matrix_Machine Learning_Dimension Reduction

Algorithm 如何使用QR分解来降低数据集的维数？

algorithm matlab matrix machine-learning

Algorithm 如何使用QR分解来降低数据集的维数？,algorithm,matlab,matrix,machine-learning,dimension-reduction,Algorithm,Matlab,Matrix,Machine Learning,Dimension Reduction,设A为维数为m×n的矩阵，表示原始数据集，[Q，R]=qr（A）产生：上三角矩阵R与A 酉矩阵Q 所以A=Q*R 如果[m，n]=尺寸（A），则 Q是m-by-m和 Rism-by-n 如何使用QR分解来减少A的维数（减少列数或特征数）？通常，对于秩减少，您应该更喜欢使用奇异值分解，除非您知道原始矩阵确实秩不足。这是因为svd对奇异值进行排序，而QR分解则不进行排序尽管如此，我还是建议您尝试一个简单的示例。如果矩阵a是秩为的mxnp@Matt是的，我找到了，但我找不到答案，我发现很多文

设

为维数为m×n的矩阵，表示原始数据集

，

[Q，R]=qr（A）

产生：

上三角矩阵
```
R
```
与
```
A
```
酉矩阵
```
Q
```

所以

A=Q*R

如果

[m，n]=尺寸（A）

，则

是

m-by-m

和

m-by-n

如何使用QR分解来减少

的维数（减少列数或特征数）？

通常，对于秩减少，您应该更喜欢使用奇异值分解，除非您知道原始矩阵确实秩不足。这是因为svd对奇异值进行排序，而QR分解则不进行排序

尽管如此，我还是建议您尝试一个简单的示例。如果矩阵a是秩为的mxnp@Matt是的，我找到了，但我找不到答案，我发现很多文章都使用奇异值分解（SVD）和QR分解，但我不知道如何使用SVD。我不想将此作为答案发布，因为我不确定您的要求，然而，您可能需要的工具是LQ分解。给定一个包含多列的矩阵，计算

L=triu（qr（A'））。然后L
将包含压缩信息。