主成分分析（PCA）对脑电数据进行降维

最新推荐文章于 2024-08-22 16:52:45 发布

qq_38063665

最新推荐文章于 2024-08-22 16:52:45 发布

阅读量5.2k

点赞数 2

分类专栏：模式识别/机器学习

本文链接：https://blog.csdn.net/qq_38063665/article/details/81144326

版权

本文通过一个脑电波数据实例展示了主成分分析（PCA）在降维中的应用。数据包含正负样本各52个，每样本59维。PCA用于提取前两个主要特征值，结果显示在平面坐标系中。

摘要由CSDN通过智能技术生成

注：本文仅作为个人附件链接所用，请勿转载。

主成分分析是降维里面常见的技术，它的求值是一个解析解，并不需要进行迭代，其主成分可由原数据直接求得。本文不讲原理，而是以一个脑电波数据的例子进行展示，该脑电波数据分为正负两个样本集各52个样本，每个样本的维数为59维，全部放在一个文件里面，其对应的标签也放在一个文件里面（见数据网盘链接），现对该脑电数据进行主成分分析降维，要求提取特征值最大的前面两个维度在平面坐标系上画出来。使用python语言实现。

# -*- coding:utf-8 -*-
__author__ = 'gf'
import numpy as np
from pylab import *
import matplotlib.pyplot as plt
A = np.zeros((59,104),dtype=float)
f = open('D:\\mydata\\mydata.txt')            #打开数据文件文件
lines = f.readlines()           #把全部数据文件读到一个列表lines中
A_row = 0                       #表示矩阵的行，从0行开始
for line in lines:              #把lines中的数据逐行读取出来
   list = line.strip('\n')     #处理逐行数据：strip表示把头尾的'\n'去掉，split表示以空格来分割行数据，然后把处理后的行数据返回到list列表中                                #然后方阵A的下一行接着读
   list=list.strip(&