《表2 PCA与SPCA分析结果Tab.2 Analysis results of PCA and SPCA》
在本例中,选取前15个样本进行学习训练,后3个样本用来预测并与真实值对比,也就是1~15号为训练集,16~18号为测试集.根据上文分析,用Matlab软件对原始数据进行标准化和SP-CA处理,在维持高信息的前提下简化模型的复杂度.同时,为了对比,也对数据进行了传统的PCA处理,分析结果如表2所示.可以看到,相比PCA而言,用SPCA方法得到的第一主元素的贡献率为87.21%,而用传统PCA方法得到的第一主元素的贡献率仅为56.25%,SPCA仅前三维的累积贡献率就超过了95%,而PCA需要前六维主成分才可达到这一数据.由此可见,本文提出的改进型SPCA算法的降维效果良好.
图表编号 | XD0023994800 严禁用于非法目的 |
---|---|
绘制时间 | 2018.06.01 |
作者 | 张文东、胡彧 |
绘制单位 | 太原理工大学测控技术研究所、太原理工大学测控技术研究所 |
更多格式 | 高清、无水印(增值服务) |
查看“表2 PCA与SPCA分析结果Tab.2 Analysis results of PCA and SPCA”的人还看了
- 表4 MGMT基因多态性与PCa易感性关系的Meta分析 (rs12917位点) Tab.4 Meta-analysis of MGMT polymorphisms and prostate cancer susceptibility (r
- 表5 MGMT基因多态性与PCa易感性关系的Meta分析 (rs2308321位点) Tab.5 Meta-analysis of MGMT polymorphisms and prostate cancer susceptibility