statistics - Python 中的 PCA 表达式和计算
问题描述
我有一个标准化的矩阵,想根据这个给定的 PCA 表达式进行分解:
但是,不确定我是否正确计算了分数、加载和错误矩阵。这是我为计算它们所做的:
X = 标准化输入矩阵。
eigen_vectors, eigen_values = PCA(X)
loading_matrix = (eigen_vectors.T) * np.sqrt(eigen_values)
T = np.dot(X, eigen_vectors) # score matrix
E = X - np.dot(T, eigen_vectors.T) # Error matrix
我使用linalg
模块来计算特征值和向量。PCA 是一个自定义函数。
问题:
- 我的计算正确吗?用于加载、得分和错误矩阵?
- 如何确保这些矩阵的形状符合上面给定的文本(N x A、MxA 和 NxM)?
建议,更正......请......
解决方案
推荐阅读
- sql - sql 根据不同的组创建两个表的不同不匹配的结果集,如图所示
- html - Django Crispy Forms 布局在 forms.Modelform 内部不起作用
- angular - 如何在 l18n 中以角度显示基于所选语言的不同元素
- python - 小批量和 RMSprop 从头开始的问题
- php - 我可以创建一个执行 guzzle 请求的中间件吗?
- node.js - 如何解决 Node.js Puppeteer Web Scraper 中的超时错误
- html - 纯 HTML 输入类型日期 - 将最小日期设置为 1.1.1970
- pdf - U3D 是 PDF 唯一支持的文件格式吗
- python - 将数据插入熊猫中的单元格
- c++ - “在 Eigen 库中使用 `auto` 时要格外小心”的另一个案例。