KMean and PCA connection

KMean and PCA connection

本文关键字：connection PCA and KMean      更新时间：2023-10-16

正如我所理解的模式识别，主成分分析用于删除数据集中不必要的数据，这样当数据集将在KMean中使用时，它将比未进行主成分分析的数据集执行更少的操作。所以，我可以有这样的代码(伪代码)：

assign .csv to var DATA
PCA_DATA = PCAcompute(DATA)
result = Kmean(PCA_DATA)
plotToGraph(result)

我说得对吗？

近一个月来，我一直在寻找它导入csv然后用PCA进行聚类的示例程序。我需要做的是使用虹膜数据集将Kmean结果的输出与PCA的Kmean输出进行比较。

我很难理解你的陈述。

首先，主成分分析是主成分分析。这是一个获取高维数据并试图找到数据(几乎)所在的低维(超)平面的过程。因此，它删除了不必要的尺寸。

对于KMean，您可能是指k-means clustering。这在低维空间中的工作速度要快得多，因此PCA是减少维度数量的可行方法。

(程序请求偏离堆栈溢出的主题)

我没有使用KMean，但我对神经网络训练数据使用了PCA来减少特征。它在OpenCV的C++接口中。让我们从读取csv文件开始。我的csv文件类似于：

im_path_1;label1  
im_path_2;label2

所以要读取csv文件，我的函数：

void read_csv(常量字符串和文件名，矢量和图像，矢量和标签，字符分隔符='；'){std:：ifstream文件(filename.c_str()，ifstream:：in)；if(！file){string error_message="未给定有效的输入文件，请检查给定的文件名。"；CV_Error(1，Error_message)；}字符串行，路径，类标签；while(getline(文件，行)){弦流性(线)；getline(iness，path，separator)；getline(iness，classlabel)；if(！path.empty()&&！classlabel.empty(){Mat im=imread(路径，0)；images.push_back(im)；labels.push_back(atoi(classlabel.c_str()))；}}}

它在Mat变量的向量中保存数据。OpenCV的PCA要求将数据作为Mat变量中的行向量进行滚动。要做到这一点：

Mat rollVectortoMat(const vector<Mat> &data)
{
Mat dst(static_cast<int>(data.size()), data[0].rows*data[0].cols, CV_32FC1);
for(unsigned int i = 0; i < data.size(); i++)
{
Mat image_row = data[i].clone().reshape(1,1);
Mat row_i = dst.row(i);                                       
image_row.convertTo(row_i,CV_32FC1, 1/255.);
}
return dst;
}

这个函数的一个简单用法：

int main()
{
PCA pca;
vector<Mat> images_train;
vector<int> labels_train;
read_csv("train1k.txt",images_train,labels_train);
Mat rawTrainData = rollVectortoMat(images_train);   
int pca_size = 500;
Mat trainData(rawTrainData.rows, pca_size,rawTrainData.type());
Mat testData(rawTestData.rows,pca_size,rawTestData.type());

pca(rawTrainData,Mat(),CV_PCA_DATA_AS_ROW,pca_size);
for(int i = 0; i < rawTrainData.rows ; i++)
pca.project(rawTrainData.row(i),trainData.row(i));
cout<<trainData.size()<<endl;
return 0;
}

trainData变量是列车组的精简版本。对于pca_size变量；而不是将其用作CCD_ 5；可以对0.95进行主成分分析以保留%95方差。我希望这对PCA部分有所帮助。我用这些简化的数据来训练神经网络。

相关文章：