python pca怎么得到主成份

一般步驟來實(shí)現(xiàn)PCA算法

成都創(chuàng)新互聯(lián)公司服務(wù)項(xiàng)目包括思南網(wǎng)站建設(shè)、思南網(wǎng)站制作、思南網(wǎng)頁制作以及思南網(wǎng)絡(luò)營銷策劃等。多年來，我們專注于互聯(lián)網(wǎng)行業(yè)，利用自身積累的技術(shù)優(yōu)勢、行業(yè)經(jīng)驗(yàn)、深度合作伙伴關(guān)系等，向廣大中小型企業(yè)、政府機(jī)構(gòu)等提供互聯(lián)網(wǎng)行業(yè)的解決方案，思南網(wǎng)站推廣取得了明顯的社會(huì)效益與經(jīng)濟(jì)效益。目前，我們服務(wù)的客戶以成都為中心已經(jīng)輻射到思南省份的部分城市，未來相信會(huì)繼續(xù)擴(kuò)大服務(wù)區(qū)域并繼續(xù)獲得客戶的支持與信任！

（1）零均值化

假如原始數(shù)據(jù)集為矩陣dataMat，dataMat中每一行代表一個(gè)樣本，每一列代表同一個(gè)特征。零均值化就是求每一列的平均值，然后該列上的所有數(shù)都減去這個(gè)均值。也就是說，這里零均值化是對每一個(gè)特征而言的，零均值化都，每個(gè)特征的均值變成0。實(shí)現(xiàn)代碼如下：

[python]?view plain?copy

def?zeroMean(dataMat):

meanVal=np.mean(dataMat,axis=0)?????#按列求均值，即求各個(gè)特征的均值

newData=dataMat-meanVal

return?newData,meanVal

函數(shù)中用numpy中的mean方法來求均值，axis=0表示按列求均值。

該函數(shù)返回兩個(gè)變量，newData是零均值化后的數(shù)據(jù)，meanVal是每個(gè)特征的均值，是給后面重構(gòu)數(shù)據(jù)用的。

（2）求協(xié)方差矩陣

[python]?view plain?copy

newData,meanVal=zeroMean(dataMat)

covMat=np.cov(newData,rowvar=0)

numpy中的cov函數(shù)用于求協(xié)方差矩陣，參數(shù)rowvar很重要！若rowvar=0，說明傳入的數(shù)據(jù)一行代表一個(gè)樣本，若非0，說明傳入的數(shù)據(jù)一列代表一個(gè)樣本。因?yàn)閚ewData每一行代表一個(gè)樣本，所以將rowvar設(shè)置為0。

covMat即所求的協(xié)方差矩陣。

（3）求特征值、特征矩陣

調(diào)用numpy中的線性代數(shù)模塊linalg中的eig函數(shù)，可以直接由covMat求得特征值和特征向量：

[python]?view plain?copy

eigVals,eigVects=np.linalg.eig(np.mat(covMat))

eigVals存放特征值，行向量。

eigVects存放特征向量，每一列帶別一個(gè)特征向量。

特征值和特征向量是一一對應(yīng)的

（4）保留主要的成分[即保留值比較大的前n個(gè)特征]

第三步得到了特征值向量eigVals，假設(shè)里面有m個(gè)特征值，我們可以對其排序，排在前面的n個(gè)特征值所對應(yīng)的特征向量就是我們要保留的，它們組成了新的特征空間的一組基n_eigVect。將零均值化后的數(shù)據(jù)乘以n_eigVect就可以得到降維后的數(shù)據(jù)。代碼如下：

[python]?view plain?copy

eigValIndice=np.argsort(eigVals)????????????#對特征值從小到大排序

n_eigValIndice=eigValIndice[-1:-(n+1):-1]???#最大的n個(gè)特征值的下標(biāo)

n_eigVect=eigVects[:,n_eigValIndice]????????#最大的n個(gè)特征值對應(yīng)的特征向量

lowDDataMat=newData*n_eigVect???????????????#低維特征空間的數(shù)據(jù)

reconMat=(lowDDataMat*n_eigVect.T)+meanVal??#重構(gòu)數(shù)據(jù)

return?lowDDataMat,reconMat

代碼中有幾點(diǎn)要說明一下，首先argsort對特征值是從小到大排序的，那么最大的n個(gè)特征值就排在后面，所以eigValIndice[-1:-(n+1):-1]就取出這個(gè)n個(gè)特征值對應(yīng)的下標(biāo)。【python里面，list[a:b:c]代表從下標(biāo)a開始到b，步長為c。】

numpy的COV函數(shù)，究竟是什么計(jì)算

cov函數(shù)計(jì)算的是協(xié)方差。

如果輸入?yún)?shù)為兩個(gè)隨機(jī)變量，則計(jì)算二者之間的協(xié)方差。

如果輸入?yún)?shù)為隨機(jī)變量組成的矩陣并指定表示隨機(jī)變量的維度，返回值是隨機(jī)變量的協(xié)方差矩陣。

python 哪個(gè)函數(shù)和matlab corrcoef函數(shù)功能相同？

cov

這個(gè)函數(shù)是實(shí)現(xiàn)這個(gè)功能的

另外，對于任意兩個(gè)維度之間的相關(guān)關(guān)系可以用pearsonr來計(jì)算

哦，忘了說了，cov是numpy里面的，pearsonr是scipy.stats里面的

Python基礎(chǔ) numpy中的常見函數(shù)有哪些

有些Python小白對numpy中的常見函數(shù)不太了解，今天小編就整理出來分享給大家。

Numpy是Python的一個(gè)科學(xué)計(jì)算的庫，提供了矩陣運(yùn)算的功能，其一般與Scipy、matplotlib一起使用。其實(shí)，list已經(jīng)提供了類似于矩陣的表示形式，不過numpy為我們提供了更多的函數(shù)。

數(shù)組常用函數(shù)

1.where()按條件返回?cái)?shù)組的索引值

2.take(a,index)從數(shù)組a中按照索引index取值

3.linspace(a,b,N)返回一個(gè)在(a,b)范圍內(nèi)均勻分布的數(shù)組，元素個(gè)數(shù)為N個(gè)

4.a.fill()將數(shù)組的所有元素以指定的值填充

5.diff(a)返回?cái)?shù)組a相鄰元素的差值構(gòu)成的數(shù)組

6.sign(a)返回?cái)?shù)組a的每個(gè)元素的正負(fù)符號

7.piecewise(a,[condlist],[funclist])數(shù)組a根據(jù)布爾型條件condlist返回對應(yīng)元素結(jié)果

8.a.argmax(),a.argmin()返回a最大、最小元素的索引

改變數(shù)組維度

a.ravel(),a.flatten():將數(shù)組a展平成一維數(shù)組

a.shape=(m,n),a.reshape(m,n):將數(shù)組a轉(zhuǎn)換成m*n維數(shù)組

a.transpose,a.T轉(zhuǎn)置數(shù)組a

數(shù)組組合

1.hstack((a,b)),concatenate((a,b),axis=1)將數(shù)組a,b沿水平方向組合

2.vstack((a,b)),concatenate((a,b),axis=0)將數(shù)組a,b沿豎直方向組合

3.row_stack((a,b))將數(shù)組a,b按行方向組合

4.column_stack((a,b))將數(shù)組a,b按列方向組合

數(shù)組分割

1.split(a,n,axis=0),vsplit(a,n)將數(shù)組a沿垂直方向分割成n個(gè)數(shù)組

2.split(a,n,axis=1),hsplit(a,n)將數(shù)組a沿水平方向分割成n個(gè)數(shù)組

數(shù)組修剪和壓縮

1.a.clip(m,n)設(shè)置數(shù)組a的范圍為(m,n),數(shù)組中大于n的元素設(shè)定為n,小于m的元素設(shè)定為m

2.a.compress()返回根據(jù)給定條件篩選后的數(shù)組

數(shù)組屬性

1.a.dtype數(shù)組a的數(shù)據(jù)類型

2.a.shape數(shù)組a的維度

3.a.ndim數(shù)組a的維數(shù)

4.a.size數(shù)組a所含元素的總個(gè)數(shù)

5.a.itemsize數(shù)組a的元素在內(nèi)存中所占的字節(jié)數(shù)

6.a.nbytes整個(gè)數(shù)組a所占的內(nèi)存空間7.a.astype(int)轉(zhuǎn)換a數(shù)組的類型為int型

數(shù)組計(jì)算

1.average(a,weights=v)對數(shù)組a以權(quán)重v進(jìn)行加權(quán)平均

2.mean(a),max(a),min(a),middle(a),var(a),std(a)數(shù)組a的均值、最大值、最小值、中位數(shù)、方差、標(biāo)準(zhǔn)差

3.a.prod()數(shù)組a的所有元素的乘積

4.a.cumprod()數(shù)組a的元素的累積乘積

5.cov(a,b),corrcoef(a,b)數(shù)組a和b的協(xié)方差、相關(guān)系數(shù)

6.a.diagonal()查看矩陣a對角線上的元素7.a.trace()計(jì)算矩陣a的跡，即對角線元素之和

以上就是numpy中的常見函數(shù)。更多Python學(xué)習(xí)推薦:PyThon學(xué)習(xí)網(wǎng)教學(xué)中心。

cov（x,y）和cov（y,x）相等嗎？

是相等的。

cov函數(shù)

cov函數(shù)用于求協(xié)方差矩陣，計(jì)算協(xié)方差的數(shù)學(xué)公式為：cov(x1,x2)=E[(x1-u1)(x2-u2)]。其中，E是數(shù)學(xué)期望，u1=Ex1,u2=Ex2。cov函數(shù)的調(diào)用語法如下。

(1)C=cov(x)：若x為一向量，返回的則是向量元素的方差，為一標(biāo)量；若x為一個(gè)矩陣，則返回協(xié)方差矩陣。

(2)C=cov(x,y)：計(jì)算列向量x、y的協(xié)方差，要求x、y具有相等的元素個(gè)數(shù)。如果x、y是矩陣，那么MATLAB會(huì)將其轉(zhuǎn)換為列向量，相當(dāng)于cov([A(:),B(:)])。

文章題目：python的cov函數(shù),python cov
URL分享：http://chinadenli.net/article34/dseihpe.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供定制開發(fā)、自適應(yīng)網(wǎng)站、ChatGPT、靜態(tài)網(wǎng)站、微信公眾號、網(wǎng)站營銷

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請盡快告知，我們將會(huì)在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時(shí)需注明來源： 創(chuàng)新互聯(lián)