python 主成分分析PCA

本文探讨了在机器学习中如何使用Python进行PCA主成分分析,重点在于通过方差的百分比来确定最佳的数据降维程度。
摘要由CSDN通过智能技术生成

机器学习,PCA, 通过方差的百分比来计算将数据降到多少维是比较合适的.

'''通过方差的百分比来计算将数据降到多少维是比较合适的,
函数传入的参数是特征值和百分比percentage,返回需要降到的维度数num'''
def eigValPct(eigVals,percentage):
    # print("特征值=", eigVals)
    sortArray=sort(eigVals) #使用numpy中的sort()对特征值按照从小到大排序
    sortArray=sortArray[-1::-1] #特征值从大到小排序
    # print("特征值从大到小排序=",sortArray )
    arraySum=sum(sortArray) #数据全部的方差arraySum
    tempSum=0
    tempSum1 = 0
    num=0
    number=[]
    j=0
    tempSumSort=[]
    # fig=plt.figure(1)
    # ax = fig.add_subplot(111)
    for i in sortArray:
        tempSum1+=i
        num+=1
        number.append(num)
        tempSumSort.append(tempSum1/arraySum)
    print("各个成分从大到小的贡献率=",sortArray/arraySum)
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