了解一下matlab降维工具包-drtoolbox

mutougeda

5 ~0 S0 }) e6 t9 Z3 o. L- @6 Qmatlab降维工具包----drtoolbox
–很好安装，也很好用
2 P+ ~: M3 j' f1 h
安装
. M$ B0 h8 }, Y7 |# y& X8 d; o4 {

• 下载后解压在一个文件夹里。
• 打开matlab，添加文件。
  

- G! x, f& e- v8 H4 W' a2 V; L5 e
, S8 s7 w$ I; D& `4 U
+ ^& d, y( n7 Y& Q. k
7 C1 H% T' d& {- l( s运行“rehash toolboxcach”.显示“compilation completed”即完成加载。
3 n8 c" n* d5 u  X4 }2 ]测试：
8 z+ C  {. j3 m  c7 xX = data;%数据每个样本为一行。
labels = label;
8 k0 D; g. o- ~no_dims = round(intrinsic_dim(X, 'MLE'));
disp(['MLE estimate of intrinsic dimensionality: ' num2str(no_dims)]);
+ f# d1 _" B  t% v% S
# c7 p. d2 |5 X) }  z: O3 D0 V% PCA降维
8 v# t8 {' E+ z( g+ o& ^  C[mappedX, mapping] = compute_mapping(X, 'PCAA', no_dims);
figure, scatter(mappedX(:,1), mappedX(:,2), 5, labels);
+ U6 `! C: w# ^" wtitle('Result of PCA');
%KPCA降维
6 w; ]: C3 M6 Y+ X[mappedX, mapping] = compute_mapping(X, 'KPCA', no_dims);
. m% O( v5 A2 k' r. K9 C1 z; p* Y7 lfigure, scatter(mappedX(:,1), mappedX(:,2), 5, labels);
title('Result of KPCA');
9 E! S' r/ S/ l3 n# B6 [4 d%LDA降维
[mappedX, mapping] = compute_mapping(X, 'LDA', no_dims);
- D; @2 Y3 z* d- K6 {" \% Dfigure, scatter(mappedX(:,1), mappedX(:,2), 5, labels);
4 m6 Q9 B  }% G0 y6 Ftitle('Result of LDA');


结果：
; v! l( M7 s0 z4 K6 W

5 o& W9 C- Q4 [6 p) S
7 u0 D  w; h( z) f5 k( x
9 i% f, X. l' d& v
/ W% z- ]: P# ?4 q3 ]. b3 n% ^补充：
! C1 s% n4 p8 e/ @5 N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
提取码：9tfd
1 S# c) B, q+ K3 n! K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：


/ w7 h7 }* R" l1 ]" p* r




这样以后用matlab本身的pca即

/ S+ l7 ^( [3 p5 c$ T5 s  u[coef,score,latent] =pca(data);
$ e, d4 e1 m) Z+ r& l( M/ T3 R

- G. y) N5 u- }+ k1 P调用该工具包中的pca利用
' {3 }. T2 L, U8 o% A6 O
[mappedX, mapping] = compute_mapping(X, 'PCAA', no_dims);
1 N( ]8 U( [$ p! ?figure, scatter(mappedX(:,1), mappedX(:,2), 5, labels);
title('Result of PCA');`

0 X6 X( E, u9 B8 y/ P
8 @- ?, @3 U' g$ ^0 p: ~) w

xiaogegepcb

matlab降维工具包-drtoolbox，学习啦