import numpy as np
# 搞个矩阵
a = np.array([[1,2,3,4],[2,4,5,8],[7,6,5,2],[5,4,3,2]])
# 计算a的协方差矩阵
b = np.corrcoef(a)
# 特征值分解
c = np.linalg.eig(b)
# d为特征值
d = c[0]
# 对角化
g = np.diag(d)
# e为特征向量矩阵
e = c[1]
# 验证特征值分解定义公式
f = np.matmul(np.matmul(e,g),e.T)
# 保留两个特征值最大的特征向量
h = np.argsort(d) # 特征值排序
i = h[:-2-1:-1] # 取最大的两个特征值对应的索引
j = e[:,h[:-2-1:-1]] # 取对应的特征向量
k = d[i] # 取对应的特征值
m = np.diag(k) # 特征值对角化
# 根据公式复原回去,发现与b几乎一致
l = np.matmul(np.matmul(j,m),j.T)
numpy 特征值分解
最新推荐文章于 2024-05-29 15:31:12 发布