pca java 代码_求pca（PricipalComponentAnalysis）的java代码

展开全部

package PCA;

import java.util.ArrayList;

import java.util.Collections;

import java.util.List;

import org.jblas.ComplexDoubleMatrix;

import org.jblas.DoubleMatrix;

import org.jblas.Eigen;

public class PCA {

/**

* Reduce matrix dimension     减少矩阵维度e68a84e8a2ad3231313335323631343130323136353331333363373665

* @param source  源矩阵

* @param dimension 目标维度

* @return Target matrix 返回目标矩阵

*/

public static void main(String[] args){

DoubleMatrix d = new DoubleMatrix(new double[][]{{-1,-1,0,2,0},

{-2,0,0,1,1}});

DoubleMatrix result = PCA.dimensionReduction(d, 2);

System.out.println(result);

}

public static DoubleMatrix dimensionReduction(DoubleMatrix source, int dimension) {

//C=X*X^t/m矩阵*矩阵^异或/列数

DoubleMatrix covMatrix = source.mmul(source.transpose()).div(source.columns);

ComplexDoubleMatrix eigVal = Eigen.eigenvalues(covMatrix);

ComplexDoubleMatrix[] eigVectorsVal = Eigen.eigenvectors(covMatrix);

ComplexDoubleMatrix eigVectors = eigVectorsVal[0];

//通过特征值将符号向量从大到小排序

List beans = new ArrayList();

for (int i = 0; i 

beans.add(new PCABean(eigVal.get(i).real(), eigVectors.getColumn(i)));

}

Collections.sort(beans);

DoubleMatrix newVec = new DoubleMatrix(dimension, beans.get(0).vector.rows);

for (int i = 0; i 

ComplexDoubleMatrix dm = beans.get(i).vector;

DoubleMatrix real = dm.getReal();

newVec.putRow(i, real);

}

return newVec.mmul(source);

}

static class PCABean implements Comparable {

double eigenValue;

ComplexDoubleMatrix vector;

public PCABean(double eigenValue, ComplexDoubleMatrix vector) {

super();

this.eigenValue = eigenValue;

this.vector = vector;

}

@Override

public int compareTo(PCABean o) {

return Double.compare(o.eigenValue, eigenValue);

}

@Override

public String toString() {

return "PCABean [eigenValue=" + eigenValue + ", vector=" + vector + "]";

}

}

}

org.jblas的jar包去百度下一个，我不知道怎么上传文件