在 OpenCV 中使用 PCA 进行降维，特征向量的维数错误答案

【问题标题】：Dimension reduction with PCA in OpenCV, wrong dimensions of eigenvectors在 OpenCV 中使用 PCA 进行降维，特征向量的维数错误
【发布时间】：2021-08-11 19:06:45
【问题描述】：

我不确定这个问题是否已经在 stackoverflow 上，但我找不到它，所以我决定提出一个新问题。我正在尝试减少特征矩阵的维度。我有 58 个特征和 30 个实例/测量值。我想将特征数量减少到 40。但我的矩阵维度似乎有问题。

featureMatrix_cv 是我的 30 行 58 列的特征矩阵

PCA pca_analysis(featureMatrix_cv, cv::Mat(), cv::PCA::DATA_AS_ROW, 40);

cv::Mat neu = pca_analysis.project(featureMatrix_cv.row(0));

第一个问题是，pca_analysis.eigenvectors 我认为尺寸错误（30 行和 58 列）。我在几个教程中读到，我应该得到 N 个 N 维特征向量，其中 N 是特征的数量（这里是 58）。 pca_analysis.eigenvalues（30 行 1 列）也有同样的问题，它的大小应该是 (58, 1)。
在第二行中，我尝试将第一个实例投影到新的维度空间中，但这不起作用，因为pca_analysis.project 返回的不是 40 个值，而是一个包含 30 个值的矩阵。我在教程中读到投影向量/矩阵应该有 40 个值，即特征空间的维度。

有没有人可以帮助我或遇到类似的问题？

【问题讨论】：

标签： c++ opencv pca

【解决方案1】：

好的，所以在找到this thread 之后，我现在知道问题所在了：我需要的实例多于功能！如果我有 58 个特征，我只需要至少 58 个样本。这对我来说不是问题，因为我有足够的数据，我只是一直使用 30 个样本进行测试。

【讨论】：