PCA手写版
2021/12/18 23:23:58
本文主要是介绍PCA手写版,对大家解决编程问题具有一定的参考价值,需要的程序猿们随着小编来一起学习吧!
计算过程参考:《机器学习——主成分分析(PCA)》
代码:
X = np.array([[-1, -2], [-1, 0], [0, 0], [2, 1], [0, 1]]) print(X) def PCA(X,n): #转置 X = np.transpose(X) #求特征的均值 X_mean = np.mean(X,axis =1) # 计算每一行的均值 X = X - X_mean.reshape(-1,1) #求协方差 cov_mat = 1.0/(X.shape[1])*np.dot(X,X.T) # 将协方差进行特征值分解 第一个返回值是特征值矩阵,第二个返回值是特征向量矩阵 values,vectors = np.linalg.eig(cov_mat) print(values) print(vectors) # 按特征值将特征向量进行排序 # 拼接一个特征值和特征向量一起的矩阵 eig_mat = [(np.abs(values[i]),vectors[:,i]) for i in range(len(X))] print(eig_mat) # 排序 eig_mat.sort(reverse=True) # 拼接WT矩阵 降维后的权重矩阵,只保留要保留的列 WT = np.array([_[1] for _ in eig_mat[:n]]) print(WT) # 对X进行转换,降维 return np.dot(WT,X) n=1 PCA(X,n)
这篇关于PCA手写版的文章就介绍到这儿,希望我们推荐的文章对大家有所帮助,也希望大家多多支持为之网!
- 2024-06-29易优CMS安装常见问题汇总-icode9专业技术文章分享
- 2024-06-28易优新手必读安装教程-icode9专业技术文章分享
- 2024-06-28忘记eyoucms后台密码怎么办?-icode9专业技术文章分享
- 2024-06-26终极指南:Scrum中如何设置需求优先级
- 2024-06-26AI大模型企业应用实战(25)-为Langchain Agent添加记忆功能
- 2024-06-26小白家庭 nas 搭建方案-icode9专业技术文章分享
- 2024-06-23AI大模型企业应用实战(14)-langchain的Embedding
- 2024-06-23AI大模型企业应用实战(15)-langchain核心组件
- 2024-06-23AI大模型企业应用实战(16)-langchain核心组件
- 2024-06-23AI 大模型企业应用实战(06)-初识LangChain