《机器学习实战》第十三章利用PCA来简化数据-优快云博客

该博客主要介绍了如何使用PCA（主成分分析）对数据进行降维处理。首先定义了一个`loadDataSet`函数来读取数据集，然后通过`pca`函数计算数据的平均值，构建协方差矩阵，并进行特征值分解。在处理过程中，出现了一个形状不匹配的错误，由于导入numpy库的方式不正确导致。修正导入方式后，问题得到解决，最终成功将数据降维至一维，并输出了降维后的数据矩阵形状为(1000, 1)。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

from numpy import *
from numpy.linalg import linalg
from numpy.ma import mean, argsort, shape
import pandas as pd
import numpy as np

def loadDataSet(fileName, delim='\t'):
    fr = open(fileName)
    stringArr = [line.strip().split(delim) for line in fr.readlines()]#
    datArr = [list(map(float, line)) for line in stringArr]
    return mat(datArr)#将datArr转换为矩阵

def pca(dataMat, topNfeat=9999999):
    meanVals = mean(list(dataMat), axis=0)#计算平均值
    meanRemoved = dataMat - meanVals#减去原始数据的平均值
    covMat = cov(meanRemoved, rowvar=0)#计算协方差矩阵
    eigVals,eigVects = linalg.eig(mat(covMat))#获得特征值和特征向量
    eigValInd = argsort(eigVals)#对特征值进行从小到大的排序
    eigValInd = eigValInd[:-(topNfeat+1):-1]
    redEigVects = eigVects[:,eigValInd]
    lowDDataMat = meanRemoved * redEigVects#将数据转换到新空间
    reconMat = (lowDDataMat * redEigVects.T) + meanVals
    return lowDDataMat, reconMat

dataMat = loadDataSet('testSet.txt')
lowDMat, reconMAT = pca(dataMat, 1)
print(shape(lowDMat))

报错：ValueError: operands could not be broadcast together with shapes (1000,2) (2,1)

操作数不能与形如（1000，2）（2，1）一起广播

与书里面的对照看了下，可能是函数导入错误，重新导了下函数，顺利通过。

import numpy as np

def loadDataSet(fileName, delim='\t'):
    fr = open(fileName)
    stringArr = [line.strip().split(delim) for line in fr.readlines()]#
    datArr = [list(map(float, line)) for line in stringArr]
    return np.mat(datArr)#将datArr转换为矩阵

def pca(dataMat, topNfeat=9999999):
    meanVals = np.mean(list(dataMat), axis=0)#计算平均值
    meanRemoved = dataMat - meanVals#减去原始数据的平均值
    covMat = np.cov(meanRemoved, rowvar=0)#计算协方差矩阵
    eigVals,eigVects = np.linalg.eig(np.mat(covMat))#获得特征值和特征向量
    eigValInd = np.argsort(eigVals)#对特征值进行从小到大的排序
    eigValInd = eigValInd[:-(topNfeat+1):-1]
    redEigVects = eigVects[:,eigValInd]
    lowDDataMat = meanRemoved * redEigVects#将数据转换到新空间
    reconMat = (lowDDataMat * redEigVects.T) + meanVals
    return lowDDataMat, reconMat

dataMat = loadDataSet('testSet.txt')
lowDMat, reconMAT = pca(dataMat, 1)
print(np.shape(lowDMat))

输出：(1000, 1)