主成分分析PCA的代码简单实现

基于对主成分分析的大致了解，粗略的实现了添加链接描述中的PCA实例。

import matplotlib.pyplot as plt
import numpy as np
# import sklearn.decomposition as dp
# from sklearn.datasets.base import load_iris

data=np.array([[2.5,2.4],
               [0.5,0.7],
               [2.2,2.9],
               [1.9,2.2],
               [3.1,3.0],
               [2.3,2.7],
               [2,1.6],
               [1,1.1],
               [1.5,1.6],
               [1.1,0.9]
               ])
#样本中心化
dataAver=np.average(data, axis=0)
print('平均值为:',+dataAver)
dataAdjust=np.empty((10,2))
for i in range(10):
     #dataAjust[i,0]=data[i,0]
     dataAdjust[i, 0] = data[i, 0] - dataAver[0]
     dataAdjust[i, 1] = data[i, 1] - dataAver[1]
print('样本中心化：',+dataAdjust)

#求协方差
cov=np.cov(dataAdjust,rowvar = False)
print("协方差矩阵：",cov)

#求协方差的特征值和特征向量
Eigenvalues,Featurevector