机器学习算法笔记系列之深入理解主成分分析PCA

柔光的暖阳◎ 2022-05-26 12:54 169阅读 0赞

https://blog.csdn.net/shizhixin/article/details/51181379

https://blog.csdn.net/shizhixin/article/details/51192031

相关Python代码

import numpy as np
    import matplotlib.pyplot as plt
    
    sampleDataSet =np.array(
      [[1, 1, 2, 4, 2],
      [1, 3, 3, 4, 4]])
    mean_data = np.mean(sampleDataSet,1)
    move_mean_sample = (sampleDataSet.transpose() - mean_data).transpose()
    
    p1 = plt.subplot(121)
    p1.plot(sampleDataSet[0,:],sampleDataSet[1,:],'*')
    p1.axis([0,5,0,5])
    p2 = plt.subplot(122)
    p2.plot(move_mean_sample[0,:],move_mean_sample[1,:],'*')
    p2.axis([-5,5,-5,5])
    
    np_cov = np.cov(move_mean_sample,rowvar=1)
    
    print 'sampleDataSet =\n',sampleDataSet
    print 'move_mean_sample =\n',move_mean_sample
    print 'np_cov =\n',np_cov
    
    mat_cov = np.mat(np_cov)
    (eigV, eigVector) = np.linalg.eigh(mat_cov)
    pca_mat = eigVector[:,-1]
    pca_data = pca_mat.T * np.mat(move_mean_sample)#Y = P^T * X
    
    recon_data = ((pca_mat * pca_data).transpose() + mean_data).transpose() #X = P*Y
    p1.plot(recon_data[0,:],recon_data[1,:],'o')
    p1.axis([0,5,0,5])
    
    k = pca_mat[1,0]/pca_mat[0,0]
    b = recon_data[1,0] - k*recon_data[0,0]
    xx = [0,5]
    yy = k * xx +b
    p1.plot(xx,yy)
    
    print 'eigV=\n',eigV
    print 'eigVector=\n',eigVector
    print 'pca_data=\n',pca_data
    plt.show()

发表评论取消回复

表情：

评论列表（有 0 条评论，169人围观）

还没有评论，来说两句吧...

相关阅读

相关 python 机器学习预处理和主成分分析(PCA)

预处理和主成分分析(PCA) 目的： 1. 学会对数据进行预处理与缩放 2. 学会使用PCA进行降维 3. 初步了解相关参数要求：基于乳

野性酷女/ 2023年06月13日 11:25/ 0 赞/ 86 阅读

相关 PCA(主成分分析)算法

因为对PCA算法的好奇，所以就写一篇笔记记录一下自己学习的过程。文章目录一、简介二、代码实现 2.1 实现步骤： 2.

Love The Way You Lie/ 2022年12月10日 07:19/ 0 赞/ 263 阅读

相关机器学习算法 | PCA（主成分分析）降维算法

一：PCA算法目的根据样本矩阵X=\{x1，x2,…, Xm\}，以及当前样本空间中样本个数N，求得样本协方差矩阵XXT，中的最大的K个特征向量，并且利用这K个特征向量

矫情吗；*/ 2022年10月10日 09:53/ 0 赞/ 211 阅读

相关机器学习算法之主成分分析PCA降维

目录谈一下降维降维操作是干什么降维具有如下一些优点：降维的算法有哪些降维的的两种方式特征抽取：特征选择： PCA是啥？特征值和特征向量

你的名字/ 2022年08月28日 02:53/ 0 赞/ 357 阅读

相关机器学习降维算法一：PCA(主成分分析算法)

引言： [机器学习][Link 1]领域中所谓的降维就是指采用某种映射方法，将原高维空间中的数据点映射到低维度的空间中。降维的本质是学习一个映射函数 f : x->y，其

我不是女神ヾ/ 2022年06月11日 07:52/ 0 赞/ 258 阅读

相关机器学习算法笔记系列之深入理解主成分分析PCA

https://blog.csdn.net/shizhixin/article/details/51181379 https://blog.csdn.net/

柔光的暖阳◎/ 2022年05月26日 12:54/ 0 赞/ 170 阅读

相关机器学习笔记主成分分析（PCA）

今天看了关于主成分分析算法，然后加上自己的理解写成笔记，作为以后复习的资料。主成分分析是通过减少一定的精度来减少数据的维度，而这里主要的目标是怎么在给定的需要减少的维度的条

àì夳堔傛蜴生んèń/ 2022年03月22日 07:54/ 0 赞/ 245 阅读

相关主成分分析PCA

降维的必要性 1.多重共线性--预测变量之间相互关联。多重共线性会导致解空间的不稳定，从而可能导致结果的不连贯。 2.高维空间本身具有稀疏性。一维正态分布有68%的值落

太过爱你忘了你带给我的痛/ 2022年01月16日 10:49/ 0 赞/ 473 阅读

相关机器学习——主成分分析PCA

文章目录降维 PCA 算法 PCA的原理及目标函数 PCA的求解方法 PCA 最小平方误差理论问题描述

﹏ヽ暗。殇╰゛Y/ 2021年11月22日 04:01/ 0 赞/ 779 阅读

相关 PCA-主成分分析

一、PCA简介 1.背景 > 许多领域的研究与应用中，收集大量数据(提供了丰富的信息)以便进行分析寻找规律，但也在一定程度上增加了数据采集的工作量。更重要的是在多数情况

待我称王封你为后i/ 2021年09月21日 12:38/ 0 赞/ 694 阅读