了解一下matlab降维工具包-drtoolbox

mutougeda

& Z& S+ W5 Q% P9 I7 Nmatlab降维工具包----drtoolbox
–很好安装，也很好用
9 v( M6 v- ~- |4 G" X7 \
9 R3 J1 N( w- P" V/ p安装
7 Y- Q, D3 C6 c: F- V
/ Q! Y( X6 M+ x; F2 W) e3 I9 G9 w# _

• 下载后解压在一个文件夹里。
• 打开matlab，添加文件。
  # C" M% S" a& u" B2 V

7 U/ h$ ^3 Z+ y1 W* f' l9 L- H
1 t$ M  [$ {; P: V  y2 f# d
3 a1 r# J5 k; ~- w7 h- J1 N
: e' _+ I5 x  O: Z( g9 p运行“rehash toolboxcach”.显示“compilation completed”即完成加载。
测试：
X = data;%数据每个样本为一行。
labels = label;
7 K' L/ |( A# o% Uno_dims = round(intrinsic_dim(X, 'MLE'));
. q; ]2 K) ^  a+ r, S. Ydisp(['MLE estimate of intrinsic dimensionality: ' num2str(no_dims)]);

% PCA降维
[mappedX, mapping] = compute_mapping(X, 'PCAA', no_dims);
$ ?& p; u9 \& o" N7 C; w" y4 mfigure, scatter(mappedX(:,1), mappedX(:,2), 5, labels);
title('Result of PCA');
4 \6 l4 @/ ]2 l+ O2 D, ?. b%KPCA降维
$ A- r; S8 k/ \9 H. X% \[mappedX, mapping] = compute_mapping(X, 'KPCA', no_dims);
figure, scatter(mappedX(:,1), mappedX(:,2), 5, labels);
title('Result of KPCA');
' _9 I: K+ d5 A) I. q/ y%LDA降维
[mappedX, mapping] = compute_mapping(X, 'LDA', no_dims);
, Z" @  n" Q7 A. j7 x% W8 kfigure, scatter(mappedX(:,1), mappedX(:,2), 5, labels);
title('Result of LDA');
5 \$ q5 X# I+ m3 Z. f

结果：



) G' w. A: ^$ T8 `
+ F9 x6 Y. P8 v. n# P
补充：
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
; K2 e" X: C; q) ]) 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：


: {4 z" f' G# d8 Q
+ y! {, P/ A2 [& ]0 L  D; N8 I4 N

* ]% x. ^/ {6 U8 Y. a! b) j( W, e# v

0 r$ r$ [0 t0 L! M# c这样以后用matlab本身的pca即
! {2 V- Y, e8 o6 b( g9 Y
6 u, ^/ z2 s- ^# e[coef,score,latent] =pca(data);
6 f  \- N2 L' V3 N
8 q$ g% v7 N8 j" ~7 a& }
调用该工具包中的pca利用
' K1 Y; Y. u& x. H/ L
[mappedX, mapping] = compute_mapping(X, 'PCAA', no_dims);
$ m: D. E$ l! J  s" U: cfigure, scatter(mappedX(:,1), mappedX(:,2), 5, labels);
title('Result of PCA');`
4 j, F& i* U! I/ ?

xiaogegepcb

matlab降维工具包-drtoolbox，学习啦