Matlab的PCA降维——以Mnist手写数据为例

最新推荐文章于 2024-09-15 01:23:18 发布

D洁洁和W的御用Programmer

最新推荐文章于 2024-09-15 01:23:18 发布

阅读量2.6k

点赞数 7

分类专栏： matlab 算法文章标签： matlab pca降维可视化算法

本文链接：https://blog.csdn.net/weixin_45734379/article/details/109956384

版权

本文介绍了使用Matlab进行PCA降维的过程，以Mnist手写数字数据集为例，详细展示了数据导入、PCA数据可视化、特征理解和图像重建等步骤，强调了理解PCA算法原理的重要性。

摘要由CSDN通过智能技术生成

Matlab的PCA降维——以Mnist手写数据为例

一.参考文章

主成分分析（PCA）原理详解
 主成分分析pca（Matlab pca函数参数解释）

二.百度云下载（代码+数据）

PCA sharing
链接：https://pan.baidu.com/s/1Bmfb7rLANU4D1T4q_GEu0A
提取码：4xoh

三.实际操作

1.导入数据

%%
%导入原始数据 放在了E盘
mnist_raw = csvread('E:/by/mnist_train.csv');
%原始数据维度为60000*785，第一列为标签信息 
%譬如第一个为"5"则这个图片是手写的"5"

imgs = mnist_raw(1:1000,2:end);  %选取1000个样本，并去除标签列
imgs = im2double(imgs);

figure(1) %图1显示前50幅图像
for i = 1:50
    subplot(5, 10, i