是否有任何可用的示例給出了數據集上主要組件分析的實例?我正在閱讀僅討論理論的文章,並且正在尋找能夠告訴我如何使用PCA,然後解釋結果並將原始數據集轉換爲新數據集的內容。有什麼建議嗎?主成分分析的工作示例?
1
A
回答
3
如果你知道的Python,這裏是一個簡短的動手例如:
# 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
您可以檢查http://alias-i.com/lingpipe/demos/tutorial/svd/read-me.html SVD和LSA與PCA非常相似,都是空間縮減方法。基礎評估方法的唯一區別。
0
由於您要求提供實際操作示例,因此您可以使用一個交互式演示。
相關問題
- 1. Caret的主成分分析
- 2. Python - 主成分分析
- 3. 主成分分析法在Python不工作
- 4. RNN中的主成分分析
- 5. R中的主成分分析,ggbiplot
- 6. 的Android +的PhoneGap構建+谷歌分析工作示例
- 7. 主成分分析和旋轉
- 8. 使用libpca進行主成分分析
- 9. 主成分和因子分析
- 10. 主成分分析(PCA) - 訪問形狀
- 11. 主成分分析和功能降低
- 12. Matlab問題 - 主成分分析
- 13. Python - 主成分分析(PCA)錯誤
- 14. 主成分分析vs特徵去除
- 15. 獲取NServiceBus分銷商示例工作
- 16. 具有非常大的數據維數的主成分分析
- 17. c語言中的詞法分析器的示例示例#
- 18. Elasticsearch v5分析器演示示例不起作用
- 19. 使用python教程的主成分分析(PCA)
- 20. 關於R中主成分分析(PCA)的一般問題
- 21. PCA(主成分分析)和特徵選擇之間的區別
- 22. 不理解Python中主成分分析(PCA)的輸出
- 23. 人臉識別中的主成分分析-python/java
- 24. 使用CGAL進行主成分分析的點雲對齊
- 25. 主成分
- 26. 主人合併到工作分支即使我合併工作分支到主
- 27. PRINICIPAL成分分析C#
- 28. Google Analytics(分析)V3和C#示例
- 29. 不能計算在r中主成分分析
- 30. 如何在主成分分析之後擬合線性模型