了解一下matlab降维工具包-drtoolbox

mutougeda

4 V1 W, Q- B7 u7 k+ {matlab降维工具包----drtoolbox
9 @5 n1 X# u2 t4 I! Y% z2 h! T" ~–很好安装，也很好用
8 E) N, n% V( x/ x" r  F
. J; a; F* t7 J6 r& @) ]7 l安装

• 下载后解压在一个文件夹里。
• 打开matlab，添加文件。
  1 d0 z( D7 [* G& R# z

. h* }* S: r$ p, [8 y8 h
' \. Y+ {- H- A

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。
+ G; y# S4 U1 o- R* r9 q8 W2 |4 Elabels = label;
no_dims = round(intrinsic_dim(X, 'MLE'));
disp(['MLE estimate of intrinsic dimensionality: ' num2str(no_dims)]);
- R1 W( x: e  ^* C; E
% PCA降维
[mappedX, mapping] = compute_mapping(X, 'PCAA', no_dims);
6 o% f$ O  l* lfigure, scatter(mappedX(:,1), mappedX(:,2), 5, labels);
title('Result of PCA');
4 F) D- V& D) F6 @" [%KPCA降维
5 I' I7 A  y/ g5 A& t: \" L+ a[mappedX, mapping] = compute_mapping(X, 'KPCA', no_dims);
figure, scatter(mappedX(:,1), mappedX(:,2), 5, labels);
* a; E' s7 ^0 f$ f5 ~title('Result of KPCA');
6 k; u% t0 v! E& `; m3 ?%LDA降维
2 j  a; x1 V* i. H- B[mappedX, mapping] = compute_mapping(X, 'LDA', no_dims);
figure, scatter(mappedX(:,1), mappedX(:,2), 5, labels);
# ^% ^- q- X+ ~+ b+ R4 s; ctitle('Result of LDA');

3 h- a" q0 f: t. r
结果：
9 o; p/ L8 u9 B; Y

; F- W9 W+ g* X; S# F
# Y/ e' J. o: n0 w; ~

补充：
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
. `% x& q0 k& n提取码：9tfd
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：
8 h9 O1 @1 x: `, X

0 r( w+ \+ o$ l* E) n




7 n8 r- K$ ~! n1 \. `! N: B这样以后用matlab本身的pca即
: N/ }- C, Z) c, e" ]& T6 F! l
[coef,score,latent] =pca(data);
+ _( u2 i: V5 |1 k3 ?1 ~/ I' V

调用该工具包中的pca利用

[mappedX, mapping] = compute_mapping(X, 'PCAA', no_dims);
. U6 x3 A3 e" P8 ]figure, scatter(mappedX(:,1), mappedX(:,2), 5, labels);
  F' {. u; j2 N2 W' Q4 Ftitle('Result of PCA');`
6 s  u/ ~: ^0 i( F" \" b
" _+ Y( u" B9 J; k0 u; y: Y% }- O
+ `0 L$ \2 W# M- n7 G/ V; A
2 U4 |1 s1 X4 O4 O  D" P5 W

xiaogegepcb

matlab降维工具包-drtoolbox，学习啦