简单易理解的，PCA主成分分析（python实现）

遥感与高光谱

于 2021-06-02 16:17:47 发布

阅读量530

点赞数

分类专栏： python 文章标签： python 机器学习算法

原文链接：https://finthon.com/python-pca/

版权

4 篇文章

订阅专栏

博主分享了高维数据降为低维度数据的方法，主要介绍了PCA主成分分析。包括其基本原理、基于原理的Python实现方法，以及利用Python机器学习库scikit - learn快速调用PCA的方式，还给出了相关知识参考文章链接。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

最近学习了，高维数据降为低维度数据的方法，了解了PCA主成分分析的方法。
（1）学习了基本原理

大体原理流程就是：
1.先计算数据集（n*m）的协方差矩阵，
2.再计算协方差矩阵的特征值和特征向量，
3.对特征值从大到小进行排序，选出你需要的前l个特征值，以及对应的特征向量。
4.将挑选的前l个特征向量重新组合成特征矩阵
5.原有数据集（n*m）乘以新的特征矩阵，实现了降维。

（2）基于原理的python的实现方法
（3）利用python机器学习库scikit-learn如何快速调用PCA。

涉及的特征值和特征向量的基本知识见下图。
在这里插入图片描述

这篇文章写的不错，简单易理解。

https://finthon.com/python-pca/