python 主成分分析PCA

最新推荐文章于 2024-07-01 18:45:17 发布

yan_feifei_1993

最新推荐文章于 2024-07-01 18:45:17 发布

阅读量1.4k

点赞数 1

分类专栏： python 机器学习文章标签： python 机器学习

本文链接：https://blog.csdn.net/dajiyi1998/article/details/80808589

版权

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)