穷举通道/特征选择中的降维答案

【问题标题】：Dimensionality reduction in exhaustive channel/feature selection穷举通道/特征选择中的降维
【发布时间】：2015-10-13 22:06:28
【问题描述】：

我的数据由 16 个通道x128 个样本x400 个试验组成。我想在这个数据集中进行详尽的频道选择。我应该在哪里申请 PCA？

unsortedChannelIndices = [1:16]
sortedChannelIndices = [];

%Option 1
reducedData = PCA(data, classIndeces)

for chIdx = 1:length(unsortedChannelIndices)

   for c=1:length(unsortedChannelIndices)
      thisChannel = unsortedChannelIndices(c)
      thisChannelSet = [sortedChannelIndices, thisChannel];

      %Option 1
      thisData = reducedData(thisChannelSet,:,:);

      %Option 2
      thisData = PCA(data(thisChannelSet, classIndeces)

      thisPerformance(c) = eval_perf(thisData);%crossvalidation
    end
    [performance(chIdx),best] = max(thisPerformance);
    sortedChannelIndices = [sortedChannelIndices,unsortedChannelIndices(best)];
    unsortedChannelIndices(best) =  [];
end

【问题讨论】：

标签： machine-learning pca dimensionality-reduction

【解决方案1】：

PCA 或任何降维技术应与将要分析的数据一起应用。如果我们要评估对应于较少通道（例如 1:4）的子集的性能，则应在此数据中应用任何降维技术（PCA(data([1:4),:,:)。因此，选项 2是正确的选择。

【讨论】：