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)
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
- java - SpringBoot 中的单例和多线程。真的是多线程吗?
- html - 如何通过按 shift + enter 来制作新的行输入消息?角
- c# - 警告:SQL 注入攻击
- angular - Angular - 重置其值后无法将数据发送到子组件
- python - 从 csv 读取日期
- python - pyqtgraph GraphicsLayout中的setData不起作用
- asp.net-core - ExplicitExpansion() 导致 OData 扩展不起作用
- java - 无法使用循环合并图像 Java
- database - flask-sqlalchemy 慢分页计数
- node.js - 使用for each in node js sequelize将数据存储在数组中