最近跑深度学习,提出的feature是4096维的,放到我们的程序里,跑得很慢,很慢。。。。
于是,一怒之下,就给他降维处理了,但是matlab 自带的什么pca( ), princomp( )函数,搞不清楚怎么用的,表示不大明白,下了一个软件包:
名字:Matlab Toolbox for Dimensionality Reduction
链接:http://lvdmaaten.github.io/drtoolbox/
Currently, the Matlab Toolbox for Dimensionality Reduction contains the following techniques:
Principal Component Analysis (PCA)
Probabilistic PCA
Factor Analysis (FA)
Classical multidimensional scaling (MDS)
Sammon mapping
Linear Discriminant Analysis (LDA) 等34种降维方法。。。。
废话少说,上干货。。。。
先下载该软件包,解压到自己的matlab文件中,然后添加该软件包的路径:
<code> addpath(genpath(‘你的路径/drtoolbox’));</code>
然后就是上自己的数据了,我的数据为: test_feature,想把它降维到 1000维,执行:
test_feature为要降维处理的数据, pca 为我选择的降维方法, 1000 是我想要的最终数据维数,生成的mapped_data即为降维处理后的数据。
![](https://img.laitimes.com/img/_0nNw4CM6IyYiwiM6ICdiwiIn5GcugjNkhTNwQjZ5IGNzUDMlRGNlhTYxEDOyYWOiVjYjdzMfdWbp9CXt92Yu4GZjlGbh5SZslmZxl3Lc9CX6MHc0RHaiojIsJye.png)
接下来,就是漫长的等待了,数据实在太大了。。。笔记本在咆哮。。。。。