降维分析
自己用过的一些降维方法
潘聪明
这个作者很懒,什么都没留下…
展开
-
降维分析5:python实现特征递归消除分析
记录一下最近用的特征递归消除分析语言:python特征递归消除是根据模型的好坏来选择变量,所以采用不同的基模型,得到的结果均不一样有众多的基模型可选择,具体参照sklearn官网import pandas as pd data = pd.read_excel('hy.xlsx') % 导入数据 # 导入RFE方法和线性回归基模型 from sklearn.f...原创 2020-04-09 09:54:41 · 1957 阅读 · 0 评论 -
降维分析6:灰度关联分析(matlab)
代码如下column_num=12index_num=size(aaa,2);% 2、提取参考队列和比较队列ck=aaa(13,:)cp=aaa(1:12,:)cp_index_num=size(cp,1);%比较队列与参考队列相减for j = 1:cp_index_num t(j,:)=cp(j,:)-ck;end%求最大差和最小差mmax=max(max(abs...原创 2020-04-09 10:04:21 · 951 阅读 · 0 评论 -
降维分析4:核成分分析
train = S'threshold = 99patterns=zscore(train); %训练数据标准化% test_patterns=zscore(test); %测试数据标准化train_num=size(patterns,1); %train_num是训练样本的个数% test_num=size(test_patterns,1);%test_num是测试样本的个数cov...转载 2020-02-12 16:24:16 · 230 阅读 · 0 评论 -
降维分析3:稀疏主成分分析-python代码-R代码
先记录一下,主要参考https://scikit-learn.org/stable/modules/generated/sklearn.decomposition.SparsePCA.html#sklearn.decomposition.SparsePCA输入的数据为n*m的矩阵,m为变量的个数,n为多少组变量值下面为官方稀疏主成分分析的代码>>> import ...原创 2019-12-26 11:11:49 · 4945 阅读 · 8 评论 -
降维分析2:统计中的三种相关系数及Matlab实现(相关性分析)
在多元分析中我们经常要用到相关系数。常用的相关系数有三种:Pearson相关系数,Kendall相关系数和Spearman相关系数。一、Pearson相关系数Pearson相关系数是英国统计学家皮尔逊于20世纪提出的一种计算直线相关的方法。按照大学的线性数学水平来理解, 它比较复杂一点,可以看做是两组数据的向量夹角的余弦.皮尔逊相关的约束条件1 两个变量间有线性关系2 变量是...转载 2019-10-26 20:38:52 · 3331 阅读 · 0 评论 -
降维分析1:主成分分析之matlab实现
L = {'1','2','3','4','5','6','7','8','9','10'}%每个变量代表的意思,后面的散点图会用到x=zscore(v) %数据标准化[coef,score,eig,t]=princomp(x); %matlab自带的princomp函数进行主成分分析s=0;i=1;while s/sum(eig...原创 2019-10-09 20:05:08 · 2327 阅读 · 0 评论