首页
学习
活动
专区
圈层
工具
发布
社区首页 >问答首页 >R-使用奇异值分解得到特征数减少的矩阵

问R-使用奇异值分解得到特征数减少的矩阵
EN

Stack Overflow用户
提问于 2014-05-23 09:16:20
回答 1查看 2.5K关注 0票数 4

我正在使用带有R的SVD包,并且我能够通过将最低奇异值替换为0来降低矩阵的维数。但是当我重组我的矩阵时,我仍然有相同数量的特征,我找不到如何有效地删除源矩阵中最无用的特征,以减少它的列数。

例如,我目前正在做的事情:

这是我的源矩阵A:

代码语言:javascript
复制
  A B C D
1 7 6 1 6
2 4 8 2 4
3 2 3 2 3
4 2 3 1 3

如果我这样做了:

代码语言:javascript
复制
s = svd(A)
s$d[3:4] = 0  # Replacement of the 2 smallest singular values by 0
A' = s$u %*% diag(s$d)  %*% t(s$v)

我得到了A‘,它具有相同的尺寸(4x4),仅用2个“分量”重建,并且是A的近似值(包含的信息更少,可能噪声更少,等等):

代码语言:javascript
复制
      [,1]     [,2]      [,3]     [,4]
1 6.871009 5.887558 1.1791440 6.215131
2 3.799792 7.779251 2.3862880 4.357163
3 2.289294 3.512959 0.9876354 2.386322
4 2.408818 3.181448 0.8417837 2.406172

我想要的是一个具有较少列的子矩阵,但重现不同行之间的距离,就像这样(使用PCA获得的,让我们称之为A''):

代码语言:javascript
复制
        PC1        PC2
1 -3.588727  1.7125360
2 -2.065012 -2.2465708
3  2.838545  0.1377343   # The similarity between rows 3 
4  2.815194  0.3963005   # and 4 in A is conserved in A''

下面是使用PCA获得A'‘的代码:

代码语言:javascript
复制
p = prcomp(A)
A'' = p$x[,1:2]

最终目标是减少列的数量,以便加速大数据集上的聚类算法。

如果有人可以指导我,提前感谢您:)

EN

回答 1

Stack Overflow用户

发布于 2014-05-23 12:16:30

我会去this chapter on dimensionality reduction或this cross-validated question看看。这个想法是,整个数据集可以用更少的信息重建。它不像PCA,因为你可能只选择保留10个主成分中的2个。

当您进行上面所做的那种调整时,您实际上只是去除了数据中的一些“噪声”。数据仍然是相同的维度。

票数 0
EN
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接:

https://stackoverflow.com/questions/23819596

复制
相关文章

相似问题

领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档