7-5 高维数据映射为低维数据

最新推荐文章于 2024-04-21 00:15:00 发布

Bonjour_Yvonne

最新推荐文章于 2024-04-21 00:15:00 发布

阅读量761

点赞数

分类专栏：机器学习文章标签：机器学习

本文链接：https://blog.csdn.net/Bonjour_h/article/details/116923394

版权

文章目录

高维数据映射为低维数据
低维数据映射回高维数据
scikit-learn中的PCA

高维数据映射为低维数据

在这里插入图片描述
将X中的每一行分别与 $W_{k}$ 中的每一行相乘，就得到了k个数，k个数组成的向量就是该样本映射到 $W_{k}$ 这个坐标系上得到的一个新的k维的向量，这样做就可以把X中的m个样本全部映射到k维空间中

低维数据映射回高维数据

在这里插入图片描述但是此时的 $X_{m}$ 和原来的 $X$ 不一样

import numpy as np


class PCA:

    def __init__(self, n_components):
        """初始化PCA"""
        assert n_components >= 1, "n_components must be valid"
        self.n_components = n_components
        self.components_ = None

    def fit(self, X, eta=0.01, n_iters=1e4):
        """获得数据集X的前n个主成分"""
        assert self.n_components <= X.shape[1], \
            "n_components must not be greater than the feature number of X