PCA and ZCA

最新推荐文章于 2022-06-14 05:56:06 发布

Z609834342

最新推荐文章于 2022-06-14 05:56:06 发布

阅读量208

点赞数

本文链接：https://blog.csdn.net/z609834342/article/details/109117024

版权

本文探讨了PCA（主成分分析）和ZCA（零均值归一化）之间的关系，并提供了Python实现PCA的详细步骤。同时，文章补充了SVD（奇异值分解）的相关知识，阐述了在数据处理中涉及矩阵的大小和结构。

摘要由CSDN通过智能技术生成

PCA和ZCA的原理关系：https://my.oschina.net/findbill/blog/543485

python实现：


"""
tensorflow调用ZCA例子，先把数据归一化到[-1,1]，然后将[b, h, w, c]变成[b, h*w*c]形式未给ZCA函数。

temp_data = train_data.train_data.astype(float)
temp_data = temp_data.astype(float)
temp_data[:, :, :, 0] = ((temp_data[:, :, :, 0] - 125.3)) / (63.0)
temp_data[:, :, :, 1] = ((temp_data[:, :, :, 1] - 123.0)) / (62.1)
temp_data[:, :, :, 2] = ((temp_data[:, :, :, 2] - 113.9)) / (66.7)
temp_data = np.transpose(temp_data, (0, 3, 1, 2))
temp_data = temp_data.reshape(temp_data.shape[0], temp_data.shape[1] * temp_data.shape[2] * temp_data.shape[3])
components, mean, whiten = ZCA(temp_data)
np.save('data/cifar10/zca_components', components)
np.save('data/cifar10/zca_mean', mean)

"""


import numpy as np

def pca(data):
    #[btach, feature] 输入的图片要转化为向量形式