基于重构ICA的特征提取gydF4y2Ba
返回一个与重构无关的组件分析(RICA)模型对象,该对象包含将RICA应用于预测器数据表或矩阵的结果gydF4y2BaMdlgydF4y2Ba
=黎加(gydF4y2BaXgydF4y2Ba
,gydF4y2Ba问gydF4y2Ba
)gydF4y2BaXgydF4y2Ba
包含gydF4y2BapgydF4y2Ba变量。gydF4y2Ba问gydF4y2Ba
是要提取的特征的数量吗gydF4y2BaXgydF4y2Ba
,因此gydF4y2Ba黎加gydF4y2Ba
学习一个gydF4y2BapgydF4y2Ba——- - - - - -gydF4y2Ba问gydF4y2Ba
变换权矩阵。对于不完全或过完全的特征表示,gydF4y2Ba问gydF4y2Ba
可以分别小于或大于预测变量的数量。gydF4y2Ba
要访问学到的转换权值,请使用gydF4y2BaMdl。TransformWeights
.gydF4y2Ba
转换gydF4y2BaXgydF4y2Ba
通过使用学习的转换,通过了新的功能集gydF4y2BaMdlgydF4y2Ba
和gydF4y2BaXgydF4y2Ba
来gydF4y2Ba变换gydF4y2Ba
.gydF4y2Ba
使用一个或多个指定的附加选项gydF4y2BaMdlgydF4y2Ba
=黎加(gydF4y2BaXgydF4y2Ba
,gydF4y2Ba问gydF4y2Ba
,gydF4y2Ba名称,值gydF4y2Ba
)gydF4y2Ba名称,值gydF4y2Ba
对参数。例如,可以标准化预测器数据或指定目标函数重构项中惩罚系数的值。gydF4y2Ba
的gydF4y2Ba黎加gydF4y2Ba
函数创建输入特征到输出特征的线性变换。这种转换基于优化一个非线性目标函数,该函数大致平衡了输出特征的统计独立性与使用输出特征重建输入数据的能力。gydF4y2Ba
有关详细信息,请参见gydF4y2Ba重建ICA算法gydF4y2Ba.gydF4y2Ba