目录
概述
主成分分析是一种通过降维技术将多个变量化为少数几个主成分(即综合变量,通常表示为原始变量的某种线性组合)的统计分析方法。在数学建模中通常可以用来做数据压缩(降维)、系统评估、回归 、加权分析等。
主成分分析
基本原理
基本步骤
例子
import numpy as np
from sklearn.decomposition import PCA
from scipy.stats import zscore
a=np.loadtxt('data12_1.txt')
b=zscore(a, ddof=1) #数据标准化
md=PCA().fit(b) #构造并拟合模型
print('特征值为:', md.explained_variance_)
print('各主成分贡献率:', md.explained_variance_ratio_)
xs1=md.components_ #提出各主成分系数,每行是一个主成分
print('各主成分系数:\n',xs1)
check=xs1.sum(axis=1,keepdims=True) #计算各个主成分系数的和
xs2=xs1*np.sign(check) #调整主成分系数,和为负时乘以-1
print('调整后的主成分系数:', xs2)