如何在matlab中使用PCA算法进行特征约简。。。？
我不熟悉这种方法，我只想在短时间内得到一个解决方案。。因此，请帮助我如何有效地实施此方法。。例如，我们有10个样本集，每个样本集有10个图像，每个图像有1*576，因此，我们提取了10个样本集特征大小。i、 E100*576所以我只想把它从576减到250 我应用了如何在matlab中使用PCA算法进行特征约简。。。？,matlab,pca,feature-selection,dimensionality-reduction,Matlab,Pca,Feature Selection,Dimensionality Reduction,我不熟悉这种方法，我只想在短时间内得到一个解决方案。。因此，请帮助我如何有效地实施此方法。。例如，我们有10个样本集，每个样本集有10个图像，每个图像有1*576，因此，我们提取了10个样本集特征大小。i、 E100*576所以我只想把它从576减到250 我应用了[coeff，score，潜伏期，tsquared，mu]=pca（x，'Numcomponents'，inf）但是我没有得到正确的输出，这意味着减少了功能，它不起作用，并且很难从这个方法中选择哪一个是最终输出。。 在这里，任何人都可
[coeff，score，潜伏期，tsquared，mu]=pca（x，'Numcomponents'，inf）但是我没有得到正确的输出，这意味着减少了功能，它不起作用，并且很难从这个方法中选择哪一个是最终输出。。
在这里，任何人都可以帮助我解决这个问题…欢迎来到SO。请阅读这篇文章，用足够和具体的信息来描述您的问题，以改进您的问题。基本奇异向量分解[U，S，V]=svd（x，'econ'）
的输出参数较少，但它是相同的PCA。欢迎使用。请阅读这篇文章，用足够和具体的信息来描述您的问题，以改进您的问题。基本奇异向量分解[U，S，V]=svd（x，'econ'）
的输出参数较少，但PCA相同。