這篇文章主要介紹“python中PCA的實(shí)例過程講解”，在日常操作中，相信很多人在python中PCA的實(shí)例過程講解問題上存在疑惑，小編查閱了各式資料，整理出簡單好用的操作方法，希望對大家解答”python中PCA的實(shí)例過程講解”的疑惑有所幫助！接下來，請跟著小編一起來學(xué)習(xí)吧！

成都創(chuàng)新互聯(lián)專注于下城網(wǎng)站建設(shè)服務(wù)及定制，我們擁有豐富的企業(yè)做網(wǎng)站經(jīng)驗(yàn)。 熱誠為您提供下城營銷型網(wǎng)站建設(shè)，下城網(wǎng)站制作、下城網(wǎng)頁設(shè)計、下城網(wǎng)站官網(wǎng)定制、微信小程序開發(fā)服務(wù)，打造下城網(wǎng)絡(luò)公司原創(chuàng)品牌,更為您提供下城網(wǎng)站排名全網(wǎng)營銷落地服務(wù)。

1、輸入矩陣歸一化處理。

2、計算樣本協(xié)方差矩陣。

3、求解協(xié)方差矩陣指定的最大特征值對應(yīng)特征向量。

4、確定轉(zhuǎn)換矩陣，求解降維數(shù)據(jù)。

實(shí)例

#/usr/nom/env python
# _*_coding:utf-8_*_
# @Time      :2021/9/3 10:04
# @Author    :A bigfish
# @FileName  :maindemo13.py
# @Software  :PyCharm
 
import matplotlib.pyplot as plt
import numpy as np
from pylab import *
 
# 首先導(dǎo)入數(shù)據(jù)，此部分為從存儲列表或單元中讀取分析數(shù)據(jù)
def loadDataSet(filename, delim='\t'):    #此處的'\t'表示不同變量間的分隔符，t表示tab鍵鍵入的空格
    fr = open(filename)
    stringArr = [line.strip().split(delim) for line in fr.readlines()]
    dataArr = [list(map(float, line)) for line in stringArr]
    return np.mat(dataArr)
 
 
# 定義pca分析函數(shù)
def pca(dataset, topNfeat = 99999):        #topNfeat最大特征值數(shù)目，通常不用設(shè)置，因?yàn)楹罄m(xù)要進(jìn)行可視化分析                
    meanVals = np.mean(dataset, axis=0)    #求均值
    meanRemoved = dataset - meanVals       #預(yù)處理
    covMat = np.cov(meanRemoved, rowvar=0) #求解輸入數(shù)據(jù)協(xié)方差矩陣
    eigVals, eigVects = np.linalg.eig(np.mat(covMat))    #求解特征值，特征向量
    eigVaInd = np.argsort(eigVals)         #對特征值進(jìn)行排序處理，默認(rèn)為升序
    eigVaInd = eigVaInd[-1:-(topNfeat):-1] #根據(jù)指定數(shù)目進(jìn)行逆序處理
    redEigVects = eigVects[:,eigVaInd]     #選取對應(yīng)特征向量
    lowDataMat = meanRemoved * redEigVects #數(shù)據(jù)降維X*P
    recontMat = (lowDataMat * redEigVects.T) + meanVals #c處理進(jìn)行了數(shù)據(jù)重構(gòu)，非必須選項(xiàng)
    return lowDataMat, recontMat, eigVals  #返回數(shù)據(jù)
 
# 定義特值值繪制函數(shù)
def plotEig(dataset, numFeat=20):            
    mpl.rcParams['font.sans-serif'] = ['Times NewRoman']
    sumData = np.zeros((1, numFeat))
    dataset = dataset / sum(dataset)
    for i in range(numFeat):
        sumData[0, i] = sum(dataset[0:i])
 
    X = np.linspace(1, numFeat, numFeat)
    fig = plt.figure()
    ax = fig.add_subplot(211)
    ax.plot(X, (sumData*100).T, 'r-+')
    mpl.rcParams['font.sans-serif'] = ['SimHei']
    plt.ylabel('累計方差百分比')
 
    ax2 = fig.add_subplot(212)
    ax2.plot(X.T, (dataset[0:numFeat].T)*100, 'b-*')
    plt.xlabel('主成分?jǐn)?shù)')
    plt.ylabel('方差百分比')
    plt.show()
 
# 定義原始數(shù)據(jù)及第一主成分繪制函數(shù)
def plotData(OrigData, recData):
    import matplotlib.pyplot as plt
    fig = plt.figure()
    ax = fig.add_subplot(111)
    ax.scatter(OrigData[:,0].flatten().A[0], OrigData[:, 1].flatten().A[0], c='blue',marker='^', s=90)
    ax.scatter(recData[:, 0].flatten().A[0], recData[:, 1].flatten().A[0], c='red', marker='o',s=90)
plt.show()

到此，關(guān)于“python中PCA的實(shí)例過程講解”的學(xué)習(xí)就結(jié)束了，希望能夠解決大家的疑惑。理論與實(shí)踐的搭配能更好的幫助大家學(xué)習(xí)，快去試試吧！若想繼續(xù)學(xué)習(xí)更多相關(guān)知識，請繼續(xù)關(guān)注創(chuàng)新互聯(lián)網(wǎng)站，小編會繼續(xù)努力為大家?guī)砀鄬?shí)用的文章！