[數學模型]主成分分析法python實現

標籤：python   數學   資料   主成分分析法   建模   

def pca(dataMat, topNfeat=9999999):            #資料矩陣, 輸出前topNfeat個feat    meanVals = mean(dataMat, axis=0)           # 計算平均值    meanRemoved = dataMat - meanVals     covMat = cov(meanRemoved, rowvar=0)        #計算共變數矩陣    eigVals,eigVects = linalg.eig(mat(covMat)) #特徵值,    eigValInd = argsort(eigVals)               #排序, 找出特徵值大的. 其實就是與其他的變化最不相符    eigValInd = eigValInd[:-(topNfeat+1):-1]   #反轉    redEigVects = eigVects[:,eigValInd]        #    lowDDataMat = meanRemoved * redEigVects    #映射    reconMat = (lowDDataMat * redEigVects.T) + meanVals    return lowDDataMat, reconMat

主成分分析法的數學原理我們可以簡單地瞭解一下就可以了: 找到變化最大的方向作為新的feature

若想從程式的到的結果, 推斷出這樣劃分的意義, redEigVects 非常關鍵, 它給出了一個映射關係

[數學模型]主成分分析法python實現