Как обозначить тренировочные прогнозы, полученные PCA, чтобы использовать их для обучения SVM для классификации? MATLAB
У меня есть «тренировочный набор» изображений. Я сформировал «Eigenspace». Теперь мне нужно обозначить прогнозы для обучения SVM. Проекции «грани 1» на пространство Eigens должны быть помечены +1, а проекции всех других граней на пространство Eigens - -1.
Я не знаю, как это сделать. Любые предложения будут очень полезны!
Я сформировал собственное пространство, используя следующее:
function [signals,V] = pca2(data)
[M,N] = size(data);
data = reshape(data, M*N,1); % subtract off the mean for each dimension
mn = mean(data,2);
data = bsxfun(@minus, data, mean(data,1));
% construct the matrix Y
Y = data'*data / (M*N-1);
[V D] = eigs(Y, 10); % reduce to 10 dimension
% project the original data
signals = data * V;