np.sort()函数的作用,从小到大排序。(这里我也需要注意axis)
不写的话他的默认值为1.
使用x == np.max(x) 获得一个掩模矩阵,然后使用where方法即可返回最大值对应位置。
编程PCA算法的时候
x=np.array([[-1,-1,0,2,0],
[-2,0,0,1,1]])
yuan=x
x=0.2*np.dot(x,x.T)
e,v=np.linalg.eig(x)
print(v)
re=np.where(e==np.max(e))
v=v.T[re]
print(re)
print(v)
x=np.dot(v,yuan)
# v=v[:,1]
# x=np.dot(v,yuan)
# print(x)
我一开始用的是下面三行代码计算降维之后的数组,但是我是直接看的结果比较的特征值的最大值,用
re=np.where(e==np.max(e))
获得特征值的最大位置
之后运用numpy的切片操作得到应有的特征向量
特征值分解矩阵原理
(1) 特征值与特征向量
如果一个向量v是矩阵A的特征向量,将一定可以表示成下面的形式:
A ν