PCA方法Python代码实现

关于PCA方法的原理这里就不介绍了，网络上很多文章写得都很好，这里给出以三维点集的PCA为例，在python里实现PCA方法。

PCA方法的主要步骤是：

1. 数据中心化
2. 计算协方差矩阵
3. 根据协方差矩阵计算出特征值和特征向量

python代码如下

def pca(pts):
    covariance_mat = np.cov(pts, rowvar=False)
    eigen_vals, eigen_vecs = np.linalg.eig(covariance_mat)
    return eigen_vals, eigen_vecs

 取一个点集验证效果，这里每行数据是一个点，所以cov时rowvar=False。

pts = np.array([
        [0.62082666, 0.27253884, 0.2100647],
        [0.6560723, 0.31075895, 0.21034315],
        [0.6902167, 0.34876803, 0.21067616],
        [0.58223283, 0.30775833, 0.20974341],
        [0.6169813, 0.34581205, 0.20904496],
        [0.65207976, 0.3847572, 0.21193053],
        [0.5434401, 0.34255236, 0.21005037],
        [0.57831097, 0.3804655, 0.21074015],
        [0.6131545, 0.4197734, 0.21166]
    ])
val, vec = pca(pts)
    print val, '\n', vec
************