One of the main application of PCA

One of the main application of PCA is for preprocessing the data before
performing a classication, we will now study the classication accuracy of
a k-NN classier on a biomedical dataset (colon-cancer, see the website).
The data consists of 2 variables x and y, where x is an n  m data matrix
and y is a column vector representing labels of the data.
Question 2.1
Use the given k-NN code to classify the given high-dimensional dataset.
 First, perform the classication task without using the dimensionality
reduction technique, record the classication error.
 Secondly, use the rule,
ำm
ำi=k+1 i m
i=1 i
to nd a good subspace in which you will project the data into. Report
the dimensionality of the subspace selected and the classication error
of k-NN in such space.
 Discuss your results.
Tips: you only need to call the function myknn(x,y) where the rst pa-
rameter is the data matrix (or the reduced data matrix) and y is a set of
labels.
3 Submission
Send the report and the codes to [e-mail]
2

ผลลัพธ์ (ไทย) 1:

หนึ่งในโปรแกรมหลักของ PCA คือสำหรับข้อมูลก่อนการประมวลผลเบื้องต้นดำเนินการไอออน classi เราจะตอนนี้ศึกษาความแม่นยำ classi ไอออนของclassi k-NN เอ้อ บนชุดข้อมูลทางชีวการแพทย์ (มะเร็งลำไส้ใหญ่ ดูเว็บไซต์)ข้อมูลประกอบด้วย 2 ตัวแปร x และ y โดย x เป็นเมทริกซ์การข้อมูล n mและ y คือ เวกเตอร์คอลัมน์แสดงป้ายชื่อข้อมูลคำถามที่ 2.1ใช้รหัสกำหนด k-NN เพื่อแบ่งชุดข้อมูลมิติสูงกำหนดครั้งแรก ทำงานรก classi โดยมิติเทคนิคลด บันทึกข้อผิดพลาดรก classiประการที่สอง ใช้กฎำmำi = k + 1 ผมมฉัน = 1 ผมกับ nd subspace ที่ดีในการที่คุณจะฉายข้อมูลลงไป รายงานมิติของ subspace ที่เลือกและข้อผิดพลาดรก classiของ k-NN ในพื้นที่ดังกล่าวอภิปรายผลการเคล็ดลับ: คุณต้องการเรียก myknn(x,y) ฟังก์ชันที่ rst pa -rameter คือ เมตริกซ์ข้อมูล (หรือเมทริกซ์ข้อมูลลดลง) และ y เป็นชุดของป้ายชื่อส่ง 3ส่งรายงานและรหัส [e-mail]2

ผลลัพธ์ (ไทย) 2:

หนึ่งของการประยุกต์ใช้หลักของ PCA เป็นสำหรับ preprocessing ข้อมูลก่อนที่จะ
ดำเนินการไอออนจัดประเภทตอนนี้เราจะศึกษาความถูกต้องไอออนจัดประเภทของ
จัดประเภท ER K-NN ในชุดข้อมูลชีวการแพทย์ (ลำไส้ใหญ่มะเร็งดูที่เว็บไซต์).
ข้อมูลประกอบด้วย 2 ตัวแปร x และ y ที่ x เป็น n? มเมทริกซ์ข้อมูล
และ Y เป็นเวกเตอร์คอลัมน์คิดเป็นป้ายของข้อมูล.
คำถามที่ 2.1
ใช้รับรหัส K-NN ที่จะจำแนกประเภทที่ได้รับชุดข้อมูลที่สูงมิติ.
? ครั้งแรกที่ดำเนินงานไอออนจัดประเภทโดยไม่ต้องใช้มิติ
เทคนิคการลดลงบันทึกข้อผิดพลาดไอออนจัดประเภท.
? ประการที่สองการใช้กฎ
ำม
ำ i = + 1 k? im
i = 1 หรือไม่ฉัน
จะ ND สเปซที่ดีในการที่คุณจะฉายข้อมูลลงใน รายงาน
มิติของสเปซที่เลือกและข้อผิดพลาดไอออนจัดประเภท
ของ K-NN ในพื้นที่ดังกล่าว.
? หารือเกี่ยวกับผลของคุณ.
เคล็ดลับ: คุณจะต้องเรียก myknn ฟังก์ชั่น (x, y) ที่ Pa- RST
rameter เป็นเมทริกซ์ข้อมูล (หรือลดลงเมทริกซ์ข้อมูล) และ Y คือชุดของ
. ป้าย
3 ส่ง
ส่งรายงานและ รหัสเพื่อ [e-mail]~~V
2

ผลลัพธ์ (ไทย) 3:

หนึ่งในโปรแกรมหลักของ PCA สำหรับการเตรียมข้อมูลก่อนการแสดง classication ตอนนี้เราจะศึกษา classication ความถูกต้องของเป็น k-nn ดูมีระดับใน DataSet ชีวการแพทย์ ( มะเร็งลําไส้ ดูเว็บไซต์ )ข้อมูลประกอบด้วย 2 ตัวแปร x และ y ที่ x เป็น N M ข้อมูลเมทริกซ์และ y เป็นคอลัมน์เวกเตอร์แสดงฉลากข้อมูลคำถามที่๑ใช้ให้ k-nn รหัสเพื่อจำแนกให้สูง - มิติข้อมูล .ก่อนทำการ classication งานโดยไม่ต้องใช้ dimensionalityเทคนิคลด บันทึก classication ข้อผิดพลาดประการที่สอง การใช้กฎำม.ำผม = k + 1 ชั้นม.ฉัน = 1เพื่ออันดับที่ดีในการที่คุณจะได้เป็นโครงการข้อมูลลงใน รายงานการ dimensionality ของได้เลือกและ classication ข้อผิดพลาดของ k-nn เช่นในพื้นที่หารือเกี่ยวกับผลของคุณเคล็ดลับ : คุณจะต้องเรียกฟังก์ชัน myknn ( x , y ) ที่ RST PA -rameter เป็นข้อมูลเมทริกซ์ ( หรือลดข้อมูลเมทริกซ์ ) และ Y คือชุดของป้ายชื่อ3 ส่งส่งรายงานและรหัส [e-mail]2