对数据进行因子分析的包
factor-analysis的Python项目详细描述
因子分析
你的数据被分解成潜在变量和噪声参数,所有这些都在同一个样本中。
m
表示样本长度,
n
表示数据样本的特征数
k
表示数据样本要表示的潜在特征数
λ
表示
z
表示大小的潜在变量m
x k
ϵ
表示大小为m
x``nΨ`的噪声参数表示` _`
因子分析方程
x = μ + λz + ϵ
利用期望最大化后验分布(z×x)确定^ {CD4>}和^ {CD11>}。该方法可用于根据用户已知的后验分布预测因子变量,前提是正在处理的数据可以拟合到方程中。
importtensorflowastff=factor_analysis.factors.Factor(data,factor_analysis.posterior.Posterior(covariance_prior,means))noise=factor_analysis.noise.Noise(f,f.posterior)withtf.Session()assess:print(f.create_factor().eval())print(noise.create_noise(f.create_factor()).eval())