python小波尺度图的LDA降维
我试图降低具有相同尺寸[5x3844]的多个比例图的维数。 我如何在python中使用LDA应用它 任何帮助都将不胜感激 代码:python小波尺度图的LDA降维,python,feature-extraction,feature-selection,lda,dimensionality-reduction,Python,Feature Extraction,Feature Selection,Lda,Dimensionality Reduction,我试图降低具有相同尺寸[5x3844]的多个比例图的维数。 我如何在python中使用LDA应用它 任何帮助都将不胜感激 代码: def wavelet(data): fs=256 lowcut=117 highcut=123 y=butter_bandstop_filter(data, lowcut, highcut, fs, order=6) lowcut=57 highcut=63 y=butter_bandstop_filter(y
def wavelet(data):
fs=256
lowcut=117
highcut=123
y=butter_bandstop_filter(data, lowcut, highcut, fs, order=6)
lowcut=57
highcut=63
y=butter_bandstop_filter(y, lowcut, highcut, fs, order=6)
cutoff=1
y=butter_highpass_filter(y, cutoff, fs, order=6)
coeffs = wavedec(y, 'sym5', level=5)
cA5,cD5,cD4,cD3,cD2,cD1=coeffs
result = []
common_x = np.linspace(0,3844, len(cD1))
for c in [cD5,cD4,cD3,cD2,cD1]:
x = np.linspace(0, 3844, len(c))
f = interp1d(x, c)
result.append(f(common_x))
return result
你看过scikit learn LDA实现吗?@KirtimanSinha是的,但我不知道如何在我的数据上应用它。LDA是受监督的,你有没有试图预测的类标签?如果您想进行无监督学习,您可能需要查看PCA或SVD。@KirtimanSinha是的,我正在处理癫痫发作癫痫数据集以预测癫痫发作。我想应用LDA来减少维度减少。如果结果列表是您的预测值(
X
),并且您有一个培训标签列表(Y
)然后它就像clf.fit(X,y)
一样简单。我错过了什么?