因此,我目前正在研究一個涉及主要組件分析或PCA的項目,並且我試圖在飛行中學習它。幸運的是,Python有一個非常方便的scikitlearn.decomposition模塊,它似乎爲您完成了大部分工作。在我真正開始使用它之前,我試圖弄清楚它到底在做什麼。瞭解Python中的scikitlearn PCA.transform函數
我一直在測試看起來像這樣的數據幀:
0 1
0 1 2
1 3 1
2 4 6
3 5 3
當我打電話PCA.fit(),然後查看組件我得到:
array([[ 0.5172843 , 0.85581362],
[ 0.85581362, -0.5172843 ]])
從我相當有限的PCA知識,我有點理解這是如何計算的,但我迷失方向的是當我打電話給PCA.transform時。這是輸出它給我:
array([[-2.0197033 , -1.40829634],
[-1.84094831, 0.8206152 ],
[ 2.95540408, -0.9099927 ],
[ 0.90524753, 1.49767383]])
可能有人可能走我走過它是如何將原有的數據幀和組件,並將其轉換到這個新陣?我希望能夠理解它正在進行的確切計算,以便當我擴大規模時,我會更好地瞭解發生了什麼。謝謝!
奇妙的是,這對了解實際發生的事情有很大的幫助。我一定會看看維基百科,看看有什麼關於PCA的。謝謝! – JSolomonCulp