使用python实验pca
程序员文章站
2022-07-16 18:09:05
...
pca的基础知识请参考《A TUTORIAL ON PRINCIPAL COMPONENT ANALYSIS》,这里记录一下使用python实现pca实验过程
新建一个x向量,参数10为正态分布的标准差,0为均值,100为向量长度
x=np.random.normal(0,10,100)
新建一个噪声noise
noise=np.random.normal(0,4,100)
新建一个y
y=5*x+3.3+noise
组合起来得到数据集X
X=np.vstack((x,y))
绘制出来看看
plt.scatter(X[0,:],X[1,:])
plt.show()
下面我们需要计算该数据集的协方差:
A=np.cov(X)
np.cov这个函数默认数据集是列向量,首先会对所有特征减去均值,再求np.dot(X,X.T),再除n-1,得到:
array([[ 110.93271433, 555.42677191],
[ 555.42677191, 2794.35288558]])
对角线上的元素的特征自身的方差,因为X的第一个特征x的标准差是10,方差10*10=100,X的第二个特征y的标准差是25*100=2500,可以看到上面这个协方差对角元素还是跟这两个理论值接近的
接下来求协方差的特征分解:
a,b=np.linalg.eig(A)
得到a,对应两个特征值
array([ 5.11658217e-01, 2.90477394e+03])
b,两个特征向量
array([[-0.98080561, -0.19498807],
[ 0.19498807, -0.98080561]])
发现第二个特征值是第一个的几百倍,对应图上的点主方向,另外一个对应主方向的垂直方向,检查b的第二列发现这个方向也是数据点分布的主方向
最后进行变换
np.dot(b[:,1].reshape(1,-1),X)
这里只取一个主分量,因为y确实是依赖x得出来的,Y=PX,P=E.T
完毕!
下一篇: 【数据处理】利用PCA来简化数据
推荐阅读