[数学模型]主成分分析法python实现

本文详细介绍了主成分分析法(PCA)的核心数学原理,包括如何通过计算协方差矩阵、特征值和特征向量来找到数据集中的主要变化方向,并通过映射将原始数据转换为新的特征空间。重点阐述了redEigVects的作用,它是实现数据降维和压缩的关键。文章还解释了如何从程序结果中推断意义,以及PCA在数据预处理和特征提取领域的实际应用。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

def pca(dataMat, topNfeat=9999999):            #数据矩阵, 输出前topNfeat个feat
    meanVals = mean(dataMat, axis=0)           # 计算平均值
    meanRemoved = dataMat - meanVals 
    covMat = cov(meanRemoved, rowvar=0)        #计算协方差矩阵
    eigVals,eigVects = linalg.eig(mat(covMat)) #特征值,
    eigValInd = argsort(eigVals)               #排序, 找出特征值大的. 其实就是与其他的变化最不相符
    eigValInd = eigValInd[:-(topNfeat+1):-1]   #反转
    redEigVects = eigVects[:,eigValInd]        #
    lowDDataMat = meanRemoved * redEigVects    #映射
    reconMat = (lowDDataMat * redEigVects.T) + meanVals
    return lowDDataMat, reconMat

主成分分析法的数学原理我们可以简单地了解一下就可以了: 找到变化最大的方向作为新的feature

若想从程序的到的结果, 推断出这样划分的意义, redEigVects 非常关键, 它给出了一个映射关系



评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值