libpca是用于主成分分析的C++库,它建立在线性代数库Armadillo的基础上。使用libpca进行主成分分析
虽然我遇到了问题。我将其输出与Lindsay Smith给出的例子进行比较,在他PCA的精彩教程中。当我检索第一个主要组件时,我在他的教程中获得了与Smith相同的值,但其符号相反。对于第二个主要组成部分,符号和数值是正确的。
任何人都知道这是为什么?
代码:
#include "pca.h"
#include <iostream>
using namespace std;
int main(int argc, char** argv) {
stats::pca pca(2);
double* elements = new double[20]{2.5, 2.4, 0.5, 0.7, 2.2, 2.9, 1.9, 2.2, 3.1, 3.0, 2.3, 2.7, 2, 1.6, 1, 1.1, 1.5, 1.6, 1.1, 0.9};
for (int i = 0; i < 20; i++) {
vector<double> record;
record.push_back(elements[i++]);
record.push_back(elements[i]);
pca.add_record(record);
}
pca.solve();
const vector<double> principal_1 = pca.get_principal(0);
for (int i = 0; i < principal_1.size(); i++)
cout << principal_1[i] << " ";
cout << endl;
const vector<double> principal_2 = pca.get_principal(1);
for (int i = 0; i < principal_2.size(); i++)
cout << principal_2[i] << " ";
cout << endl;
delete elements;
return 0;
}
输出:
0.82797 -1.77758 0.992197 0.27421 1.6758 0.912949 -0.0991094 -1.14457 -0.438046 -1.22382
-0.175115 0.142857 0.384375 0.130417 -0.209498 0.175282 -0.349825 0.0464173 0.0177646 -0.162675
在大多数情况下只有主要组件的大小问题 – mtall 2014-09-05 04:46:32
有没有任何提示如何使用libpca? – Ben 2018-02-27 15:47:51
@Ben不是我的问题给出了一个完整的工作示例? – kunterbunt 2018-02-27 19:34:43