PCA

最新推荐文章于 2024-01-01 21:50:29 发布

约翰史密斯

最新推荐文章于 2024-01-01 21:50:29 发布

阅读量250

点赞数

分类专栏：基础

本文链接：https://blog.csdn.net/sylar49/article/details/73613173

版权

基础专栏收录该内容

10 篇文章 0 订阅

订阅专栏

PCA的想法其实很简单。

目的：投影后的坐标点方差最大（分得最开）

目标问题：

（这里对X要求零均值，不然方差不是这样求

方法：对于目标问题通过拉格朗日乘子法展开，变成求解特征值和特征向量的问题

def PCA(x, n=1):
    x = np.asarray(x, np.float32)
    mean_data = np.mean(x, axis=0)
    x -= mean_data
    mat = x.T.dot(x)
    eigVects, eigVal, _ = np.linalg.svd(mat)
    idx = np.argsort(eigVal)[::-1]
    eigVects = eigVects[:, idx]
    result = x.dot(eigVects[:, 0:n])
    return np.reshape(result, len(x)), mean_data

看下效果

降维前