首页 > 其他 > 详细

PCA 实例演示二维数据降成1维

时间:2017-10-02 20:08:13      阅读:645      评论:0      收藏:0      [点我收藏+]
 1 import numpy as np
 2 # 将二维数据降成1维
 3 num = [(2.5, 2.4), (0.5, 0.7), (2.2, 2.9), (1.9, 2.2), (3.1, 3.0), (2.3, 2.7), (2, 1.6), (1, 1.1), (1.5, 1.6), (1.1, 0.9)]
 4 num_array = np.array(num)
 5 n1_avg, n2_avg = np.mean(num_array[:, 0]), np.mean(num_array[:, 1])
 6 # 1.样本中心化
 7 new_num_array = np.array(list(zip(num_array[:, 0] - n1_avg, num_array[:, 1] - n2_avg)))
 8 # 2.计算协方差矩阵
 9 num_cov = np.cov(new_num_array[:, 0], new_num_array[:, 1])
10 # 3.特征值分解
11 # a 特征值, b 特征向量
12 a, b = np.linalg.eig(num_cov)
13 # k=1, 取a最大值的索引对应b的特征向量
14 w = b[:, np.argmax(a)]
15 # 4.输出pca降维结果
16 z1_num = new_num_array.dot(w.T)
17 print(z1_num)
18 
19 # 使用sklearn中的PCA
20 from sklearn.decomposition import PCA
21 pca = PCA(n_components=1)
22 z2_num = pca.fit_transform(num_array)
23 print(z2_num)

 

PCA 实例演示二维数据降成1维

原文:http://www.cnblogs.com/laresh/p/7622130.html

(0)
(0)
   
举报
评论 一句话评论(0
关于我们 - 联系我们 - 留言反馈 - 联系我们:wmxa8@hotmail.com
© 2014 bubuko.com 版权所有
打开技术之扣,分享程序人生!