python实现PCA

最新推荐文章于 2024-06-23 20:41:57 发布

: ）

最新推荐文章于 2024-06-23 20:41:57 发布

阅读量789

点赞数

分类专栏： PCA 文章标签： python PCA

本文链接：https://blog.csdn.net/yihuimin2017/article/details/79002997

版权

本文介绍了如何使用Python进行主成分分析（PCA），通过最大方差解释数据的主要特征。内容包括PCA的基本概念、Python代码示例及步骤解析。

摘要由CSDN通过智能技术生成

JerryLead（主成分分析-最大方差解释） http://www.cnblogs.com/jerrylead/archive/2011/04/18/2020209.html

import numpy as np

# 创建一个二维数组
data = np.array([[2.5,2.4], [0.5, 0.7], [2.2, 2.9], [1.9, 2.2], [3.1, 3.0], [2.3, 2.7],\
                 [2, 1.6], [1, 1.1], [1.5, 1.6], [1.1, 0.9]])
print ('the Data is \n',data)

# 减去每一列的均值
def zeroMean(dataMat):
    # 求各列特征的平均值，axis = 0：压缩行，对各列求均值，返回 1* n 矩阵
    meanVal = np.mean(dataMat, axis=0)
    newData = dataMat - meanVal
    return newData, meanVal
#输出newdata和平均值
newData, meanVal = zeroMean(data)
print (&#