python做pca图,PCA如何绘制一个成分的效果图

在包含解决方案的底部编辑

我对我的数据集进行PCA，得到特征向量、特征值和平均值。

我想画出改变一个主成分的效果，但我不知道如何改变。

所以我想创造一个这样的情节：

所以这个公式应该是mean + Pb

用p表示特征向量和bb = P.T * (x - mean)

但我不知道用什么来表示x。

根据Cootes的主动形状模型文件，另一种可能性是b = (b1 b2 .. bt).T

所以是一个权重向量。这对我来说更有意义，这样我可以把第一个b的权重设为-3*sqrt(特征值)并绘制结果。但是我有维度问题。在

pca的输入数据是[20，160]，所以它返回平均值的[160]，其中N是我想要保留的主成分的数量，我们选择5。最后是[N]个特征值。

这样我就不能做Pb了，因为P是[160]，我应该用另一个[160]来做点积？

我很困惑如何做这件事，任何帮助将不胜感激！在

编辑：

我解决了问题。

当试图绘制第一个主成分的效果时，我只取了我的特征向量的第一列，这是错误的。在

你应该做的是取所有的特征向量p，在我的例子中[160，5]，然后创建一个新的向量b，维数为[5]。b由所有的零组成，除了你想改变的主成分的指数，你在其中放了-2*sqrt(特征值_i)，来描绘主成分i变化的影响，左边有2个标准差。

所以这导致x = mu + P * b

mu=mean，p是完整的特征向量集，b是包含变量权重的向量。在