降维算法高级（二）21

最新推荐文章于 2023-01-12 18:30:17 发布

samll-guo

最新推荐文章于 2023-01-12 18:30:17 发布

阅读量1.4k

点赞数 1

分类专栏： alot学习 alot物联网工程师文章标签：分类回归逻辑回归

本文链接：https://blog.csdn.net/m0_58465990/article/details/121539769

版权

本文详细探讨了PCA（主成分分析）降维技术，从相关性出发，讲解PCA的原理，包括特征值和特征向量的概念，并通过奇异值分解展示了PCA的代码实现过程。

摘要由CSDN通过智能技术生成

import numpy as np
import pandas as pd

df = pd.DataFrame(np.random.randint(0,150,size = (50,3)),columns=['python','En','Chinese'])

#相关性系数
#相关系数范围（-1,1）
#-1表示负相关
#1表示正相关
df.corr()

df['Physic']=np.random.randint(-150,0,size=50)
df.corr()

df['Math']=df['python'].map(lambda x:x+np.random.randint(-10,10,size=1)[0])
df.corr()
#python与数学关联性非常大

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

关注关注