python实现pca主成分分析,pca计算过程
1、输入矩阵归一化处理。
2、计算样本协方差矩阵。
3、求解协方差矩阵指定的特征值对应特征向量。
4、确定转换矩阵，求解降维数据。
实例
#/usr/nom/envpython
#_*_coding:utf-8_*_
#@Time:2021/9/310:04
#@Author:Abigfish
#@FileName:maindemo13.py
#@Software:PyCharm
importmatplotlib.pyplotasplt
importnumpyasnp
frompylabimport*
#首先导入数据，此部分为从存储列表或单元中读取分析数据
defloadDataSet(文件名，delim=\t):#此处的\t 表示不同变量间的分隔符，t表示标签键键入的空格
fr=打开（文件名)
string ar=[line。strip().行infr的分割(delim)。readlines()]
dataArr=[list(map(float，line))forlineinstringArr]
returnnp.mat(dataArr)
#定义极冠吸收分析函数
defpca(dataset，topNfeat=99999):#topNfeat特征值数目，通常不用设置，因为后续要进行可视化分析
meanVals=np.mean(数据集，轴=0)#求均值
meanRemoved=dataset-meanVals#预处理
covMat=np.cov(meanRemoved，rowvar=0)#求解输入数据协方差矩阵
EIG向量=NP。利纳格。EIG(NP。垫子(盖垫))#求解特征值，特征向量
eigVaInd=np.argsort(eigVals)#对特征值进行排序处理，默认为升序
EIG瓦因德=EIG瓦因德[-1:-(topn专长):-1]#根据指定数目进行逆序处理
redeigwects=EIG矢量[:eigVaInd]#选取对应特征向量
低数据mat=移除平均值*重新设计次数数据降维X*P
recontMat=(低位数据mat * redeigwects .t)含义#c处理进行了数据重构，非必须选项
returnlowDataMat，recontMat，eigVals#返回数据
#定义特值值绘制函数
defplotEig(dataset，numFeat=20):
mpl。RC params[ font。sans-serif ]=[ times new Roman ]
sumData=np.zeros((1，numFeat))
数据集=数据集/总和（数据集)
foriinrange(numFeat):
sumData[0，i]=sum(数据集[0:i])
X=np.linspace(1，numFeat，numFeat)
图=plt .图()
ax=fig.add_subplot(211)
ax.plot(X，(sumData*100).t， r-)
mpl。RC params[ font。sans-serif ]=[ sim hei ]
plt.ylabel(累计方差百分比)
ax2=fig.add_subplot(212)
ax2.plot(X.T，(dataset[0:numFeat]).T)*100， b-* )
plt.xlabel(主成分数)
plt.ylabel(方差百分比)
plt.show()
#定义原始数据及第一主成分绘制函数
defplotData(OrigData，recData):
importmatplotlib.pyplotasplt
图=plt .图()
ax=fig.add_subplot(111)
ax . scatter(origin data[:0]).展平()。A[0]，原始数据[:1].展平()。A[0],c=blue,marker=^,s=90)
ax.scatter(recData[:0]).展平()。A[0]，recData[:1].展平()。A[0]，c=red ，marker=o ，s=90)
plt.show()以上就是大蟒中污染控制局(污染控制机构)的处理过程，希望对大家有所帮助。更多计算机编程语言学习指路：python基础教程
本文教程操作环境：windows7系统、Python 3.9.1、戴尔自交第三代电脑。
郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。