降低数据集的维度后，我得到负面特征值

我在大型数据集上使用了维度降低方法（此处讨论：Random projection algorithm pseudo code）。降低数据集的维度后，我得到负面特征值

降维从1000到50后，我让我的新的数据集，其中每个样品的样子：

[1751 -360。 -2069。 ...，2694. -3295。 -1764。]

现在我有点困惑，因为我不知道负面特征值应该是什么意思。有没有像这样的负面特征可以吗？由于减少之前，每个样品是这样的：

3，18，18，18，126 ...

是正常还是我做错了什么？

来源

2011-09-20 Ahmed

我想你实现了从this paper算法。

由于投影矩阵有一些否定条目，投影映射到负值是可以的。所以标志的变化并不表示错误。

来源

2011-09-20 08:38:55 rocksportrocker

由于@Ahmed也提示我也对此问题发表评论 - 您的旧向量是降维空间的新基向量的一些线性组合。你的向量有时只能用一个新的维度表示，但是可以减去另一个维度。扩展“特征”解释有点困难。但是，你的旧数据集中的一个项目是女王乐队，她拥有摇滚和歌剧元素。说新基础的一个方面是“摇滚”，另一个方面可能意味着“不像歌剧”。女王将是一些“摇滚”减去一些“不喜欢歌剧”。 –

谢谢，现在有道理:) – Ahmed

降低数据集的维度后，我得到负面特征值

回答

相关问题