KernelPca。m是一个MATLAB类文件,使你做以下三件事很短的代码。
1。安装内核pca模型与训练数据三个内核函数(高斯函数,多项式,线性)(demo.m)
2。投影的新数据与拟合pca模型(demo.m)
3所示。确认的贡献比(demo2.m)
看到更详细的github页面。
https://github.com/kitayama1234/MATLAB-Kernel-PCA
(范例用法)
%有一个“X”训练数据集和测试数据集“Xtest”
%火车pca模型与“X”
kpca = KernelPca (X,“高斯”、“伽马”,2.5,“自动定量”,真正的);
%项目“X”使用拟合模型
projected_X =项目(kpca X, 2);
%项目Xtest使用拟合模型
projected_Xtest =项目(kpca Xtest 2);
引用作为
正树Kitayama (2023)。MATLAB-Kernel-PCAGitHub (https://github.com/kitayama1234/MATLAB-Kernel-PCA)。检索。
问题在这个视图或报告GitHub插件,参观GitHub库。
问题在这个视图或报告GitHub插件,参观GitHub库。