我想对我的数据集进行PCA
XT.shape
->(2500,260)
复杂X的行包含样本(2500),X的列包含变量(260)。 我是这样执行SVD的:(Python)
^{pr2}$我想这会让我把数据投影到第一个主成分上。但是,如果我使用协方差矩阵进行PCA:
cov = np.cov(XT, rowvar=False)
eVals, eVecs = np.linalg.eigh(cov)
# Sort eigenvalues in decreasing order and eigenvectors alike
idx = np.argsort(np.abs(eVals))[::-1]
eVals = eVals[idx]
eVecs = eVecs[:,idx]
# Project data on eigenvectors
PCA_0 = np.dot(eVecs.T, XT.T).T[:,0]
然后PCA_0和proj_0不产生相同的结果。所以我错过了一些东西,但是呢?在
目前没有回答
相关问题 更多 >
编程相关推荐