PCA详解

import numpy as np
import pandas as pd
from matplotlib import pyplot as plt
from sklearn.decomposition import PCA
estimator=PCA(n_components=4) #将高维压缩
data=pd.read_csv('/Users/xutao/Desktop/2.csv',header=None)
meanVals=np.mean(data,axis=0)
meanRemove=meanVals-data #去中心化
print "\nZero-centered:"
print meanRemove #去中心化矩阵
covMat=np.cov(meanRemove,rowvar=0)
print "\nCovariance Matrix:"
print covMat #协方差矩阵
eigVals,eigVects=np.linalg.eig(np.mat(covMat)) #特征值,特征向量
print "\neigenvalue :"
print eigVals
print "\neigenvector :"
print eigVects
eigValInd=np.argsort(-eigVals) #加负号表示降序,否则升序
print '\neigenvalue after sorted'
print eigValInd #输出降序后的下标
redEigVects=eigVects[:,eigValInd] #按照降序后的特征值对应的特征向量
print "\neigenvector"
print redEigVects
print "\nfinalData:"
print np.dot(meanRemove,redEigVects) #去中心化后的矩阵和特征向量相乘,作为最终的转换后的样本
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值