python实现KPCA降维

核PCA（KPCA）

KPCA是一种非线性主元分析方法，用于降维。主要思想：通过某种事先选择的非线性映射函数Ф将输入矢量X映射到一个高维线性特征空间F之中，然后在空间F中使用PCA方法计算主元成分，核主成分分析最主要是非线性映射函数Ф的选取。

Python实现代码

# coding=utf-8  
from sklearn.decomposition import KernelPCA
from pandas.core.frame import DataFrame
import pandas as pd  
import numpy as np  
l=[]
with open('test.csv','r') as fd:
  
    line= fd.readline()
    while line:
        if line =="":
            continue
  
        line = line.strip()
        word = line.split(",")
        l.append(word)
        line= fd.readline()

data_l=DataFrame(l)
print (data_l)
dataMat = np.array(data_l)  


# = PCA(n_components=2)  

kpca = KernelPCA(kernel='rbf',gamma=10,n_components=2)
newMat = kpca.fit_transform(dataMat)  
 

data1 = DataFrame(newMat)
data1.to_csv('test_KPCA.csv',index=False,header=False)