java Weka的PCA运行时间太长

Question

我正在尝试使用Weka来使用PCA算法进行特征选择

我的原始特征空间包含2700个样本中约9000个属性。
我尝试使用以下代码降低数据的维度：

AttributeSelection selector = new AttributeSelection();
PrincipalComponents pca = new PrincipalComponents();
Ranker ranker = new Ranker();
selector.setEvaluator(pca);
selector.setSearch(ranker);
Instances instances = SamplesManager.asWekaInstances(trainSet);
try { 
    selector.SelectAttributes(instances);
    return SamplesManager.asSamplesList(selector.reduceDimensionality(instances));
} catch (Exception e ) {
            ...
}

然而，它并没有在12小时内完成运行。它被困在selector.SelectAttributes(instances);方法中

我的问题是： weka的PCA预计会有这么长的计算时间吗？还是我错误地使用了PCA

如果预计需要较长的运行时间：
如何调整PCA算法，使其运行得更快？你能推荐一个替代方案吗？（+示例代码如何使用它）

如果不是：
我做错了什么？我应该如何使用weka调用PCA并获得降维

更新：这些评论证实了我的怀疑，即这需要比预期多得多的时间。
我想知道：如何使用weka或其他库获取java中的PCA。
为这件事增加了一笔赏金

Answer 1

看起来您正在使用PCA的默认配置，从长时间的运行时间来看，这可能是因为它为您的目的做了太多的工作

看看PrincipalComponents的选项

1. 我不确定-D是否意味着他们会为你正常化，或者你是否必须自己做。不过，您希望数据被规范化（以平均值为中心），所以我会先手动完成这项工作
2. -R设置要考虑的差异量。默认值为0.95。数据中的相关性可能不好，所以请尝试将其设置为0.8之类的值
3. -A设置要包含的最大属性数。我想所有的都是默认的。同样，你应该试着把它调低一点

我建议首先从非常宽松的设置开始（例如-R=0.1和-A=2），然后逐步达到可接受的结果