是否有任何可用的示例给出了数据集上主要组件分析的实例?我正在阅读仅讨论理论的文章,并且正在寻找能够告诉我如何使用PCA,然后解释结果并将原始数据集转换为新数据集的内容。有什么建议吗?主成分分析的工作示例?
1
A
回答
3
如果你知道的Python,这里是一个简短的动手例如:
# Generate correlated data from uncorrelated data.
# Each column of X is a 3-dimensional feature vector.
Z = scipy.randn(3, 1000)
C = scipy.randn(3, 3)
X = scipy.dot(C, Z)
# Visualize the correlation among the features.
pylab.scatter(X[0,:], X[1,:])
pylab.scatter(X[0,:], X[2,:])
pylab.scatter(X[1,:], X[2,:])
# Perform PCA. It can be shown that the principal components of the
# matrix X are equivalent to the left singular vectors of X, which are
# equivalent to the eigenvectors of X X^T (up to indeterminacy in sign).
U, S, Vh = scipy.linalg.svd(X)
W, Q = scipy.linalg.eig(scipy.dot(X, X.T))
print U
print Q
# Project the original features onto the eigenspace.
Y = scipy.dot(U.T, X)
# Visualize the absence of correlation among the projected features.
pylab.scatter(Y[0,:], Y[1,:])
pylab.scatter(Y[1,:], Y[2,:])
pylab.scatter(Y[0,:], Y[2,:])
0
您可以检查http://alias-i.com/lingpipe/demos/tutorial/svd/read-me.html SVD和LSA与PCA非常相似,都是空间缩减方法。基础评估方法的唯一区别。
0
由于您要求提供实际操作示例,因此您可以使用一个交互式演示。
相关问题
- 1. 主成分分析
- 2. 主成分分析
- 3. Caret的主成分分析
- 4. 主成分分析不起作用
- 5. ade4包 - 主成分分析
- 6. Python - 主成分分析
- 7. 主成分分析法在Python不工作
- 8. C#中的主成分分析
- 9. R中的主成分分析,ggbiplot
- 10. RNN中的主成分分析
- 11. R中的主成分分析
- 12. 使用Python的主成分分析(PCA)
- 13. 的Android +的PhoneGap构建+谷歌分析工作示例
- 14. 主成分分析(PCA) - 访问形状
- 15. 主成分分析和功能降低
- 16. Matlab问题 - 主成分分析
- 17. 主成分分析(PCA)算法
- 18. 主成分分析vs特征去除
- 19. 主成分和因子分析
- 20. Python - 主成分分析(PCA)错误
- 21. 主成分分析和旋转
- 22. 糖尿病:采用主成分分析
- 23. 使用libpca进行主成分分析
- 24. 分析JAAS示例程序
- 25. 获取NServiceBus分销商示例工作
- 26. 主成分分析在Python:解析错误
- 27. 运行主成分分析matplotlib结果打印<在0xffa4ee6c matplotlib.mlab.PCA实例>
- 28. 在主分支上工作
- 29. 的YouTube Analytics(分析)API PHP示例
- 30. Xdebug分析器不工作?