PCA降维的例子

import numpy as np
import matplotlib.pyplot as plt
#载入数据
data=np.genfromtxt("data.csv",delimiter=",")
x_data=data[:,0]
y_data=data[:,-1]
plt.scatter(x_data,y_data)
plt.show()
print(x_data.shape)
#数据中心化
def zeroMean(dataMat):
    #按列求平均，即各个特征的平均
    meanVal=np.mean(dataMat,axis=0)
    newData=dataMat-meanVal
    return newData,meanVal
newData,meanVal=zeroMean(data)
#np.cov用于求协方差矩阵，参数rowvar=0说明数据一行代表一个样本、
covMat=np.cov(newData,rowvar=0)
#print(covMat)
#np.linalg.eig求矩阵的特征值和特征向量
eigVals,eigVectors=np.linalg.eig(np.mat(covMat))
print(eigVals)#特征值
print(eigVectors)#特征向量
#对特征值从小到大进行排序
eigValIndice=np.argsort(eigVals)
#选取最大的top个特征值的小标：topk，k为需要降到的维度
top=1
n_eigValIndice=eigValIndice[-1:-(top+1):-1]
#最大的n个特征值所对应的特征向量
n_eigVect=eigVectors[:,n_eigValIndice]
print(n_eigVect)
lowDataMat=newData*n_eigVect
print(lowDataMat)#降维后的数据