OpenCV8：主成分分析

主成分分析（principle components analysis, PCA）
如果成分太多，可以使用pca识别数据中的重要部分，并将其按照重要程度排序。当需要处理很大维度的特征值时，利用PCA降维，可以在不损失重要特征的同时，降低其处理复杂度。

代码

import os
import sys
import platform 
import numpy as np 
import sklearn.decomposition as dc 

def make_data():
    a = np.random.normal(size = 250)
    b = np.random.normal(size=250)
    c = 2*a + 3*b
    d = 4*a - b
    e = c + 2*d 
    x = np.c_[d,b,e,a,c]
    return x

def train_model(x):
    model = dc.PCA()
    model.fit(x)
    return model 


def reduce_model(model,n_components,x):
    model.n_components = n_components
    x = model.fit_transform(x)
    return x


def main(argc,argv,envp):
    x = make_data()
    print(x)
    model = train_model(x)
    variances = model.explained_variance_
    print(variances)
    threshold = 0.8
    useful_indices = np.where(variances > threshold)[0]
    print(useful_indices)
    n_useful = len(useful_indices)
    print(n_useful)
    x = reduce_model(model,n_useful,x)
    print(x)
    return 0

if __name__ == '__main__':
    sys.exit(main(len(sys.argv),sys.argv,os.environ))