Lineare DISKRIMINANZANALYSE LDA in Matlab

Habe ich einen großen Datenbestand von multidimensionalen Daten(240 Abmessungen).

Ich bin ein Anfänger bei der Durchführung von Daten-mining -, und ich möchte die Anwendung Linearer DISKRIMINANZANALYSE mithilfe von Matlab. Allerdings habe ich gesehen, dass es eine Menge von Funktionen erklärt, die auf das web, aber ich verstehe nicht, wie sollten Sie angewandt werden.

Im Grunde, ich möchte LDA.

Nach diesem Schritt möchte ich in der Lage sein zu tun, einen Umbau für meine Daten.

Kann ich dies manuell tun, aber ich Frage mich, ob es irgendwelche vordefinierten Funktionen, die können dies tun, weil Sie sollten schon optimiert sein.

Meine ersten Daten etwas wie : Größe(x) = [2000 240]. Grundsätzlich habe ich damit 240 Merkmale(Dimensionen) und 2000 Datenpunkte. Und ich möchte die LDA auf diese Daten einstellen.

Jede Hilfe oder Tipp wäre nicht.

Danke für Eure Hilfe.

InformationsquelleAutor pisuvar | 2012-12-16

  1. 3

    Die Funktion classify aus der Statistik-Toolbox nicht Linear (und, wenn Sie einige Optionen, Quadratische) DISKRIMINANZANALYSE. Es gibt ein paar gelungene Beispiele in der Dokumentation, die erklären, wie es verwendet werden soll: - geben Sie doc classify oder showdemo classdemo Sie zu sehen.

    240 Funktionen ist ziemlich viel gegeben, dass Sie nur noch 2000 Beobachtungen, auch wenn Sie nur zwei Klassen. Möchten Sie möglicherweise wenden Sie ein dimension-Reduzierung-Methode vor der LDA, wie PCA (siehe doc princomp) oder verwenden Sie ein feature-selection-Methode (siehe doc sequentialfs für eine solche Methode).

    Ich habe 10 Klasse: Sie sind handschriftliche zahlen 0,1,2,3,4,5,6,7,8,9 jede entspricht einer Klasse. Ich werde mit Fisher lineare DISKRIMINANZANALYSE (LDA) Projekt 240 - dimensionalen Daten auf eine niedriger dimensionale Unterräume wie ich es in der PCA.
    Danke Sam ich löste mein problem, indem Sie den Dokumentation-links, die Sie zur Verfügung gestellt.

    InformationsquelleAutor Sam Roberts

  2. 1

    können Sie fitcdiscr für die Klassifikation mittels LDA in matlab 2014

    InformationsquelleAutor sarvani videla

Schreibe einen Kommentar