最优化理论【第三章（优化建模）作业】

☆下山☆

已于 2022-10-23 13:05:21 修改

阅读量969

点赞数 5

分类专栏：最优化理论文章标签：机器学习 python 最优化理论

于 2022-10-22 16:52:34 首次发布

本文链接：https://blog.csdn.net/qq_45152498/article/details/127463712

版权

最优化理论专栏收录该内容

21 篇文章 63 订阅

订阅专栏

该博客介绍了如何使用Python的sklearn库实现主成分分析（PCA），通过PCA将数据降维，并展示了如何计算降维后的协方差矩阵及特征值。示例代码中，PCA被用于处理一个2D数据集，进一步解释了PCA在数据处理中的应用。

摘要由CSDN通过智能技术生成

在这里插入图片描述

第一题参考答案：
在这里插入图片描述
第三题程序和结果：

import numpy as np
from sklearn.decomposition import PCA
def pca(data):
    pca_ = PCA(n_components=2)
    # 降维数据
    after_data = pca_.fit_transform(data)
    # 协方差矩阵
    cov_matrix = pca_.get_covariance()
    # 特征值计算
    lambda_EA = np.linalg.eigvals(cov_matrix)
    print(after_data,'\n','\n',cov_matrix,'\n','\n',lambda_EA)
pca(
[[2, 2],
 [3, 4],
 [3, 5],
 [4, 5],
 [5, 6],
 [7, 8]]
)