MATLAB：主成分分析（PCA）与分类学习器

我正在用分类学习工具箱在Matlab中建立逻辑回归模型

我在Matlab中运行PCA：

[系数、分数、潜在、T平方、解释]=主成分分析（CreditNumeric）

以下是系数、分数、潜在输出和解释输出：

我想使用PCA的结果来减少我在分类学习器中用作输入的输入特征（基于我的PCA结果）。我如何使用PCA结果来选择（比如5-7）最能描述95%数据方差的特征

---

实际上非常简单，因为在

分类学习器中

上载所有变量时，您可以选择要用于训练模型的功能（请参见上次屏幕截图，“功能选择”按钮出现在导入数据旁边）

在那里，您可以选择任意多的变量，还可以训练多个组合，并在最后比较结果之间的差异

这里的问题是，我认为你的5-7特征（在本例中是主成分）是否描述了95%的数据方差，对吗

要解决此问题，可以采用两种方法：

最简单但不是最好的：

-上传到

分类学习器中

所有变量，而不是主成分，并使用PCA按钮，在新版本的MatLab中，该按钮出现在特征选择按钮旁边

-然后，您可以确定解释方差的百分比（95）和组件的数量（7）

我建议尽管之前在

MatLab

中开发

pca

，这样您可以查看、控制和分析所有结果，然后与学习者一起训练主成分 通过这种方式，您实际上可以知道需要在模型中使用多少组件来解释95%的方差。而且可能不是5-7，或者可能小于5-7…首先探索

---

这是我的建议。祝你好运

这实际上非常简单，因为在

分类学习器中，当您上传所有变量时，您可以选择要用于训练模型的功能（请参见上次屏幕截图，其中“功能选择”按钮出现在导入数据旁边）

在那里，您可以选择任意多的变量，还可以训练多个组合，并在最后比较结果之间的差异

这里的问题是，我认为你的5-7特征（在本例中是主成分）是否描述了95%的数据方差，对吗

要解决此问题，可以采用两种方法：

最简单但不是最好的：
-上传到
分类学习器中
所有变量，而不是主成分，并使用PCA按钮，在新版本的MatLab中，该按钮出现在特征选择按钮旁边

-然后，您可以确定解释方差的百分比（95）和组件的数量（7）

我建议尽管之前在
MatLab
中开发
pca
，这样您可以查看、控制和分析所有结果，然后与学习者一起训练主成分
通过这种方式，您实际上可以知道需要在模型中使用多少组件来解释95%的方差。而且可能不是5-7，或者可能小于5-7…首先探索

这是我的建议。祝你好运
 “1.模型应包括多达7个变量，包括任何给定属性或其衍生物。解释您是如何得出所选变量的。”顺便说一句-在R的插入符号包中，定心、标准化和PCA都处于管道的预处理阶段。那很好。但我仍然需要知道哪些原始属性被选为因子。“1.模型应包括多达7个变量，包括任何给定属性或其衍生物。解释您是如何得出所选变量的。”顺便说一句，在R的插入符号包中，标准化和PCA都处于管道的预处理阶段。那很好。但我仍然需要知道哪些原始属性被选为因子。