徒手写代码之《机器学习实战》----PCA算法(1)（利用PCA对半导体制造数据降维）

最新推荐文章于 2022-10-05 15:01:18 发布

憨宝宝

最新推荐文章于 2022-10-05 15:01:18 发布

阅读量1.7k

点赞数 2

分类专栏：机器学习实战个人总结书籍文章标签：机器学习

本文链接：https://blog.youkuaiyun.com/qq_41205464/article/details/95449583

版权

本文通过PCA算法对半导体制造数据进行降维处理，详细步骤包括数据导入、NaN处理、数据预处理、协方差与特征值分析、主成分方差比计算以及保留前6大特征值的PCA降维操作。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

利用 PCA 对半导体制造数据降维

说明:

将 secom.data 放在当前目录下。

from numpy import *
import numpy as np

PCA 算法

def pca(dataMat, topNfeat=9999999):
    #计算均值
    meanVals = dataMat.mean(0)
    #去均值化，均值变为0
    meanRemoved = dataMat - meanVals #remove 
    #计算协方差矩阵
    covMat = cov(meanRemoved, rowvar=0)
    #计算协方差矩阵的特征值和特征向量
    eigVals,eigVects = linalg.eig(mat(covMat))
    #对特征值排序，argsort函数默认是从小到大排序的，返回对应的索引值
    eigValInd = argsort(eigVals)            #sort, sort goes smallest to largest
    #提取出最大的N个特征对应的索引
    eigValInd = eigValInd[:-(topNfeat+1):-1]  #cut off unwanted dimensio