时间戳

首页 > 解决方案 > 在 PCA 中使用超过 2 台 PC

python - 在 PCA 中使用超过 2 台 PC

问题描述

我想从头开始使用 PCA 算法，但我想将 784 个功能减少到大约 70 个功能而不是 2 个。我之前尝试过的是下面的代码。在“选择具有最大特征值的 k 个特征向量”部分的代码中，我该如何选择 k？ 

import numpy as np
from sklearn.preprocessing import StandardScaler
import matplotlib.pyplot as plt
import pandas as pd

data_train = pd.read_csv('trainData.csv',header=None)
label_train = pd.read_csv('trainLabels.csv',header=None)

data_train = StandardScaler().fit_transform(data_train)

# OR we can do this with one line of numpy for COV:
cov_mat = np.cov(data_train.T)

# Compute the eigen values and vectors using numpy
eig_vals, eig_vecs = np.linalg.eig(cov_mat)

# Make a list of (eigenvalue, eigenvector) tuples
eig_pairs = [(np.abs(eig_vals[i]), eig_vecs[:,i]) for i in range(len(eig_vals))]

# Sort the (eigenvalue, eigenvector) tuples from high to low
eig_pairs.sort(key=lambda x: x[0], reverse=True)
for i in eig_pairs:
    print(i[0])

#Choosing k eigenvectors with the largest eigenvalues    
matrix_w = np.hstack((eig_pairs[0][1].reshape(784,1), eig_pairs[1][1].reshape(784,1)))
print('Matrix W:\n', matrix_w)
transformed = matrix_w.T.dot(data_train.T)

标签： pythonpca

解决方案

看看是如何matrix_w创建的。h_stack 函数采用数组元组并将它们水平堆叠。您要做的是创建一个包含 k 个最大特征值的特征向量的元组并创建矩阵：

eigenvectors = tuple([eig_pairs[i][1].reshape(784,1) for i in range(k)])
matrix_w = np.hstack(eigenvectors)

推荐阅读