PCAを使用して次元削減を試みています。現在、サイズが (100, 100) の画像があり、140 個のガボール フィルターのフィルターバンクを使用しています。各フィルターは、再び (100, 100) の画像である応答を返します。ここで、冗長でない機能のみを選択したい機能選択を行いたいと思い、PCA が良い方法である可能性があることを読みました。
そこで、10000 行 140 列のデータ マトリックスを作成しました。したがって、各行には、そのフィルターバンクのガボール フィルターのさまざまな応答が含まれます。さて、私が理解しているように、PCAを使用してこの行列を分解できます
from sklearn.decomposition import PCA
pca = pca(n_components = 3)
pca.fit(Q) # Q is my 10000 X 140 matrix
しかし、ここから 140 個の特徴ベクトルのどれを保持するかをどのように判断できるかについて、私は混乱しています。これらの 140 個のベクトルのうち 3 個 (画像に関するほとんどの情報を含むガボール フィルターに対応する) が得られるはずだと推測していますが、ここから先に進む方法がわかりません。