了解一下matlab降维工具包-drtoolbox

mutougeda

matlab降维工具包----drtoolbox
–很好安装，也很好用
5 G: B7 [1 F) j% \* ~% A
# A5 M* H" S9 S8 D$ ]$ x安装

• 下载后解压在一个文件夹里。
• 打开matlab，添加文件。
  $ R1 o' G- e2 ]; l' X. B

& v6 U. J+ ]7 e1 k: x9 a: f2 ?8 w# F

( f' B8 i* b4 Q* h! G
运行“rehash toolboxcach”.显示“compilation completed”即完成加载。
测试：
X = data;%数据每个样本为一行。
4 w6 B% K& x4 _/ y2 @7 ~' M  `labels = label;
no_dims = round(intrinsic_dim(X, 'MLE'));
0 e6 W" `: m5 u6 [$ W8 Bdisp(['MLE estimate of intrinsic dimensionality: ' num2str(no_dims)]);

% PCA降维
1 ~% l1 S7 M; Z* {0 y8 u" s  o[mappedX, mapping] = compute_mapping(X, 'PCAA', no_dims);
$ X; T5 r; u' j  x) D5 @, Efigure, scatter(mappedX(:,1), mappedX(:,2), 5, labels);
title('Result of PCA');
, D$ d9 y' @) o% t3 i7 v# y; J%KPCA降维
[mappedX, mapping] = compute_mapping(X, 'KPCA', no_dims);
figure, scatter(mappedX(:,1), mappedX(:,2), 5, labels);
title('Result of KPCA');
%LDA降维
7 J' G& W. N0 X[mappedX, mapping] = compute_mapping(X, 'LDA', no_dims);
figure, scatter(mappedX(:,1), mappedX(:,2), 5, labels);
) e, v7 M, d. t% i6 ititle('Result of LDA');


结果：
' `- }* z/ c0 q' I9 F3 x' f( y, k


+ N8 Y* n; {4 U7 f+ |5 e
2 U1 |# J2 b4 b5 R
% V/ q! K1 w9 t1 J% H补充：
8 J' e+ B0 g' ?6 I数据不知道怎么搞上去。就放个地址吧。链接：https: //pan.baidu.com/s/11CzO2_DWHds_PSTDtR69Sw
& f9 R" V0 j; Q1 U, Z" W提取码：9tfd
6 m" K) `4 `& s+ I问题：在使用时，发现该工具箱中的pca函数与matlab自带函数冲突，便将该工具箱中的pca函数名字给改掉。如下：
: d0 S  H. ^5 Y5 Z  B. t' R

, A* {  E5 w) d' A0 {8 u
2 I8 M* `, f; B9 y2 X



这样以后用matlab本身的pca即
1 \$ `' A# t+ z# I6 m
1 l' z. Z3 L1 M5 ~6 V[coef,score,latent] =pca(data);
" D( D  G7 a- U: a8 V
! Q% e, w2 n% d( l
" X( L" P9 P) G$ r3 P5 m1 j, t调用该工具包中的pca利用

[mappedX, mapping] = compute_mapping(X, 'PCAA', no_dims);
# c* D0 m$ D) m, v; afigure, scatter(mappedX(:,1), mappedX(:,2), 5, labels);
( n! v8 }7 M, ]) ftitle('Result of PCA');`
  r5 o6 w4 E+ L; y+ X* v5 x1 b( u


- p. L) Y3 c9 w4 A4 p
# k, |9 D- X0 J

xiaogegepcb

matlab降维工具包-drtoolbox，学习啦