20-06-2013, 18:56
|
|
|
חבר מתאריך: 13.07.05
הודעות: 1,298
|
|
PCA analysis vs discriminant analysis in Matlab
הי,
אשמח אם מישהו יוכל לעזור לי. ברור לי שהשאלה היא יותר סטטיסטיקה מאשר תכנות, אבל אני מאמין שאנשים פה נתקלו כבר בזה... אני משתמש ב-Matlab לצורך העניין.
יש לי מספר לא קטן של פרמטרים (מספר לא קטן של observations לצורך העניין) שחושבו עבור דוגמאות מסוימות משני סוגים, נקרא להם a and b.. אני רוצה לדעת אילו פרמטרים הם הכי חשובים על מנת להבדיל בין שתי האוכלוסיות.
כל פעם שאני רואה דוגמאות עבור שימוש עם PCA אני רואה שהם לא מתייחסים לכך שמדובר בשתי אוכלוסיות אלא כל שורה היא observation שאינו קשור לשורות האחרות (קרי, היא לא נעזרת בזהות ה-sample שממנו מגיעים הפרמטרים).
לעומת זאת, שימוש ב-discriminant analysis מאפשר לי "לאמן" (ללמוד את הפרמטרים בעזרת ClassificationDiscriminant.fit - שהיא מקבלת לא רק את הפרמטרים אלא גם את הקטלוג שלהם) ובין היתר היא הרי חייבת לעשות Dimention reduction כי ככה היא עובדת. מה שיפה הוא שאחר כך אני יכול לבדוק את יעילות התהליך בעזרת predict ואכן אני רואה שהאימון הצליח כי יש 95 אחוזי הצלחה. אבל אין לי דרך לדעת אילו פרמטרים היו הכי חשובים לצורך הזיהוי.
אני מקווה שהייתי מספיק ברור כדי להסביר מה אני צריך, אשמח לתת דוגמה קונקרטית באם תרגישו צורך.
תודה!
שחר
_____________________________________
|