【python】PCA计算权重

最新推荐文章于 2024-09-13 21:44:08 发布
最新推荐文章于 2024-09-13 21:44:08 发布
阅读量1w 收藏 115
点赞数 13
CC 4.0 BY-SA版权
分类专栏： 乱七八糟python 文章标签： python 数据分析 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/weixin_43166884/article/details/109363740

【python】PCA计算权重

将分步骤基于python实现PCA计算权重，代码在pycharm中执行。

文章目录

1.引入库

将需要的库导入pycharm

import numpy as np
import pandas as pd
from sklearn.decomposition import PCA
from sklearn import preprocessing

2.读取数据

filename为文件名，将数据转换为dataframe格式

# 数据导入
csv_file = "filename.csv"
csv_data = pd.read_csv(csv_file, low_memory=False)  # 防止弹出警告
csv_df = pd.DataFrame(csv_data)

3.数据标准化

这里还可以选用StandardScaler、MaxAbsScaler、Normalizer进行标准化


                

                
                
        

    

    
  


        

            

                      
                        最低0.47元/天 解锁文章
                        

                          
200万优质内容无限畅学

                          
                        

                      
            

        


    



                



	

		

			

				
					
主成分分析法确定权重

				
			

			

				

					Zsusan7的博客
				

				

					08-13
					
					9862
					
				

			

		

		

			
				
在数模中，确定权重方法有很多种，比如主成分分析法、层次分析法、熵权法、相关系数作为权重等。
网上很多教程都是用spss计算权重，这里主要讲利用python通过主成分分析法确定权重。
主成分分析法概述
主成分分析法是一种线性的降维算法，通过将N维特征进行正交变换，得到相互独立的k维(k<N)数据，通过分析得出“主成分”，利用“主成分”确定影响权重。
数据归一化
为了消除不同变量的量纲的影响，在对数据进行主成分分析前，首先要对数据进行标准化，之所以要对数据进行标准化。
涉及m个样本，n个指标，第j个样本的

			
		

	



                

            
              



	

		

			

				
					
用Python的sklearn库进行PCA（主成分分析）

					
热门推荐

				
			

			

				

					puredreammer的博客
				

				

					08-20
					
					15万+
					
				

			

		

		

			
				
在python的sklearn的库里面集成很多机器学习算法的库，其中也包括主成分分析的方法。
接下来讲讲怎么在python里面使用pca算法
首先要导入库：
from sklearn.decomposition import PCA

下面是官网上的例子：
>>> X = np.array([[-1, -1], [-2, -1], [-3, -2], [1, 1], [2, 1], [3

			
		

	



              


  
              

                


	

		

			

				
					
权重确定方法四：主成分分析法确定权重（PCA）

				
			

			

				

					weixin_53972936的博客
				

				

					03-06
					
					2万+
					
				

			

		

		

			
				
我想在列车里和你相爱

阳光流淌

都漫过我们的灵魂尽头

然后看着人间

安静的盛开在一扇窗里

目录

1.原理介绍

2.步骤详解

2.1 确定指标在各主成分线性组合中的系数

2.2 利用主成分的方差贡献率确定综合得分模型系数

2.3 指标权重归一化

3. 案例分析

3.1 数据获取

3.2 确定指标在各主成分线性组合中的系数

3.3 利用主成分的方差贡献率确定综合得分模型系数

3.4 指标权重归一化

4. 完整代码（Java）



1.原理介绍

在阅读本...

			
		

	





	

		

			

				
					
PCA计算原特征（指标）对主成分的贡献量/权重

				
			

			

				

					lzw790222124的博客
				

				

					09-13
					
					1万+
					
				

			

		

		

			
				
1. 用PCA反推原始特征对主成分的共享量或权重
使用sklearn包中的pca函数
# -*- coding: utf-8 -*-
import os
import numpy as np
import pandas as pd
from sklearn.decomposition import PCA
from sklearn import preprocessing
np.set_printoptions(suppress=True)

def normalization(data):
    _ra

			
		

	



		

			
		



	

		

			

				
					
主成分分析确定权重

				
			

			

				

					wojiaodabai的博客
				

				

					05-09
					
					1万+
					
				

			

		

		

			
				
参考：

https://www.cnblogs.com/zhhda/p/4535476.html

https://blog.youkuaiyun.com/qq_32925031/article/details/88540234


			
		

	





	

		

			

				
					
Python实现PCA算法 | 鸢尾花

					
最新发布

				
			

			

				

					weixin_60624254的博客
				

				

					09-13
					
					308
					
				

			

		

		

			
				
这是一个高效且广泛使用的PCA实现。

			
		

	





	

		

			

				
					
python实现pca计算权重

				
			

			

				

					11-24
				

			

		

		

			
				
以下是Python实现PCA计算权重的步骤：  1. 引入库  ```python import numpy as np import pandas as pd from sklearn.decomposition import PCA from sklearn import preprocessing ```  2. 读取数据  ```python ...

			
		

	





	

		

			

				
					
基于Python的PCA人脸识别算法的原理及实现代码详解.zip

				
			

			

				

					04-22
				

			

		

		

			
				
2. **数据预处理**：在进行PCA之前，通常需要对数据进行预处理，包括归一化或标准化，使得所有特征具有相同的尺度，避免因数值差异导致的权重不平等。  3. **PCA算法**：  - **计算协方差矩阵**：PCA的关键在于找到...

			
		

	





	

		

			

				
					
Python股票多因子选股模型（PCA因子合成、等权重因子合成、综合打分法），压缩包中含有全部因子数据集

				
			

			

				

					02-15
				

			

		

		

			
				
Python多因子选股模型 1.因子数据合并 2.行业中性化 3.数据标准化 4.异常值数据和离群点处理 5.PCA因子合成 6.等权重因子合成 7.综合打分法（IC值计算） 8.策略回测：选取前排名前20只股票买入 9.收益曲线绘制 包含...

			
		

	





	

		

			

				
					
基于PCA模型的鸢尾花数据可视化_pythonpca花_PCA鸢尾花_python_PCA模型_鸢尾花数据_

				
			

			

				

					10-02
				

			

		

		

			
				
在本项目中，我们重点关注如何使用Python实现PCA模型，并应用于鸢尾花数据集进行可视化。  鸢尾花数据集是机器学习领域经典的数据集之一，包含了三种不同鸢尾花（Setosa, Versicolour, Virginica）的多个测量特征，...

			
		

	





	

		

			

				
					
主成分分析PCA算法-python实现

				
			

			

				

					idealism_的博客
				

				

					10-07
					
					168
					
				

			

		

		

			
				
import numpy as np
import matplotlib.pyplot as plt

X = np.array([2.5, 0.5, 2.2, 1.9, 3.1, 2.3, 2.0, 1.0, 1.5, 1.1])
Y = np.array([2.4, 0.7, 2.9, 2.2, 3.0, 2.7, 1.6, 1.1, 1.6, 0.9])
X1 = sum(X) / len(X)
Y1 = sum(Y) / len(Y)

for i in range(len(X)):
    X[i

			
		

	





	

		

			

				
					
PCA绿萝——python实现

				
			

			

				

					03-12
				

			

		

		

			
				
东华大学PCA大作业绿萝python实现
第一部分是由第1,2主元形成的二维点分布图（MATLAB）；第二部分是由第1,2,4主元形成的三维点分布图（MATLAB）。由于我并没有给定标定色彩信息，因此生成的两幅分布图都是单色的

			
		

	





	

		

			

				
					
主成分分析（PCA）Python代码.ipynb

				
			

			

				

					03-12
				

			

		

		

			
				
PCA(Principal Component Analysis)，即主成分分析方法，是一种使用最广泛的数据降维算法。PCA的主要思想是将n维特征映射到k维上，这k维是全新的正交特征也被称为主成分，是在原有n维特征的基础上重新构造出来的k维特征。

			
		

	





	

		

			

				
					
python因子分析法_如何用python做因子分析

				
			

			

				

					weixin_39896256的博客
				

				

					11-29
					
					982
					
				

			

		

		

			
				
一.介绍主成分分析在统计中的地位不言自明，而因子分析像一个孪生兄弟一样，常常和主成分分析密不可分，本帖将用最简单的叙述，越过证明，只从基本的步骤来学习一下如何用python做因子分析。因子分析研究相关阵或协方差阵的内部依赖关系，它将多个变量综合为少数几个因子，以再现原始变量和因子之间的关系。举个例子，在资产配置时，我们常常遇到相关性比较高的资产，会带来极大的风险，我们可以把影响风险的变量分解到几个...

			
		

	





	

		

			

				
					
python主成分分析_Python机器学习笔记：主成分分析（PCA）算法

				
			

			

				

					weixin_39570530的博客
				

				

					11-28
					
					1973
					
				

			

		

		

			
				
一：引入问题首先看一个表格，下表是某些学生的语文，数学，物理，化学成绩统计：首先，假设这些科目成绩不相关，也就是说某一科目考多少分与其他科目没有关系，那么如何判断三个学生的优秀程度呢？首先我们一眼就能看出来，数学，物理，化学这三门课的成绩构成了这组数据的主成分（很显然，数学作为第一主成分，因为数据成绩拉的最开）。那么为什么我们能一眼看出来呢？当然是我们的坐标轴选对了！！下面，我们继续看一个表格，下...

			
		

	





	

		

			

				
					
python 主成分分析PCA

				
			

			

				

					今天比昨天进步一点点
				

				

					06-25
					
					1480
					
				

			

		

		

			
				
机器学习，PCA,通过方差的百分比来计算将数据降到多少维是比较合适的.'''通过方差的百分比来计算将数据降到多少维是比较合适的，


			
		

	





	

		

			

				
					
【Python】主成分分析

				
			

			

				

					m0_69782322的博客
				

				

					11-20
					
					777
					
				

			

		

		

			
				
原样本中有8项指标，从结果我们看到，取两个主成分的累计贡献率为75%，虽然这个贡献率不小，但若要求损失信息不超过15%，我们应该取三个主成分，此时的累计贡献率为86.7%根据该得分，我们可以将2、3、11、13样本作为一类，6、7、10、12作为一类，剩下的1、4、5、8、9作为一类。选择绝对值最大的元素，占的权重较大，即前三个特征权值较大，所以可能与年末固定资产净值、职工人数、工业总产值相关。在选择主成分时，首先使用np.argsort函数对特征值进行排序，得到按降序排列的特征值的索引；

			
		

	





	

		

			

				
					
Python 主成分分析PCA

				
			

			

				

					hedongya的博客
				

				

					07-08
					
					1030
					
				

			

		

		

			
				
原文请参考：http://www.cnblogs.com/chenbjin/p/4200790.html

主成分分析（PCA）是一种基于变量协方差矩阵对数据进行压缩降维、去噪的有效方法，PCA的思想是将n维特征映射到k维上（k
相关知识
1.协方差 Covariance
　　变量X和变量Y的协方差公式如下，协方差是描述不同变量之间的相关关系，协方差>0时说明 X和 Y是正相关关系，协方

			
		

	



              




          




        



    





    



      

      

        
      

      





	

		
评论 24

	

  
	




  

    

      添加红包
      
    

    

      

        
        

          
          
        

        
请填写红包祝福语或标题

      

      

        
        

          
          个
        

        
红包个数最小为10个

      

      

        
        

          
          元
        

        
红包金额最低5元

      

      

        
        

          当前余额3.43元
          前往充值 >
        

      

      

        

          需支付：10.00元
        

        
        
      

    

  





  

    
    
  

  

    
    
  








  

    

      

        

          

            
            
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
            

          

        

        

          

          

          

        

      

    

    

  



      
      

      
实付元

      
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