python数学模型_[数学模型]主成分分析法python实现

def pca(dataMat, topNfeat=9999999): #数据矩阵, 输出前topNfeat个feat

meanVals = mean(dataMat, axis=0) # 计算平均值

meanRemoved = dataMat - meanVals

covMat = cov(meanRemoved, rowvar=0) #计算协方差矩阵

eigVals,eigVects = linalg.eig(mat(covMat)) #特征值,

eigValInd = argsort(eigVals) #排序, 找出特征值大的. 其实就是与其他的变化最不相符

eigValInd = eigValInd[:-(topNfeat+1):-1] #反转

redEigVects = eigVects[:,eigValInd] #

lowDDataMat = meanRemoved * redEigVects #映射

reconMat = (lowDDataMat * redEigVects.T) + meanVals

return lowDDataMat, reconMat

主成分分析法的数学原理我们可以简单地了解一下就可以了: 找到变化最大的方向作为新的feature

若想从程序的到的结果, 推断出这样划分的意义, redEigVects 非常关键, 它给出了一个映射关系

原文：http://blog.csdn.net/qq_21970857/article/details/45926375