1回答
我必须将PCA应用于包含数值和分类值的数据集上。在预处理阶段，我用数字转换了所有的分类值，这样软件就可以处理它们(基本上我创建了虚拟变量)。现在，为了应用PCA，我必须对数据矩阵进行缩放，使其平均值等于0。我的问题是:规范分类值(现在是数字，但它们实际上是绝对值)是否有意义？我想不是，但那样的话，我该怎么做呢？我做PCA而不缩放这些变量？
谢谢!
浏览 0提问于2018-06-10得票数 3
1回答
我正在尝试用PCA sklearn包做一些数据分析。我目前遇到的问题是我的代码分析数据的方式。下面是一些数据的示例 波长强度；um 196.078431372549 1.108370393265022E-003 192.307692307692 1.163428008597600E-003 188.679245283019runthrough of data
pca= P
浏览 16提问于2019-12-21得票数 1
回答已采纳
我试图使用高斯过程来拟合光滑函数到一些数据点。我对python使用了scikit-learn库，在我的例子中，我的输入是二维空间坐标，输出是一些转换后的版本，也是二维空间坐标。我生成了一些虚拟测试数据，并试图拟合一个GP模型。我使用的代码如下：from sklearn.gaussian_process.kernelsnp.sin(test))
浏览 0提问于2018-02-06得票数 0
回答已采纳
假设我有混合数据和(python)代码，它能够对连续预测器进行PCA (主成分分析)，在名义预测器上进行MCA (多重对应分析)。是否有可能将PCA和MCA的结果合并成一个？
浏览 0提问于2016-01-19得票数 9
1回答
我有一个简单的R脚本，用于在一个微小的数据中运行，以便为每个变量找到解释的累计方差百分比：a <- c(1, 2, 3, 4, 5)[1] 58.55305 84.44577 99.86661 100.00000
我试图在Python中使用进行同样的操作，两者的加起来都是正确的，但似乎每个变量<e
浏览 2提问于2017-04-11得票数 0
回答已采纳
1回答
大型数据集上的PCA
、、、
我有一个大的数据集，包括6个输入变量(温度，压力，流量等)，以提供一个输出，如产量，纯度和转换。总共有大约47600个实例，这些都在excel电子表格中。将人工神经网络和随机森林算法应用于该数据，得到了预测图和精度指标。(在Python中)随机森林模型具有一个赋予输入变量重要性的特性。现在，我想对这些数据执行PCA，首先将其与随机森林结果进行比较，并获得关于输入数据如何相互交互以给出输出的更多信息。我已经看了一些youtube视频和教
浏览 2提问于2020-04-26得票数 1
回答已采纳
1回答
接下来我将讨论以下主题：现在，我们用PCA方法分解我们的数据集，并为此使用sklearn.decomposition.PCA和使用属性components_，我们得到了所有的组件。现在我们有了非常相似的目标:只想先取几个组件(这部分不是问题)，看看每个PCA组件的输入特性比例是多少(要知道，哪些特性对我们非常重要)。怎样才能做到呢？另一个问题是，python是否是主组件分析的另一个实现？
浏览 4提问于2014-03-12得票数 2
回答已采纳
我想在R中执行k-means分析，因此我需要数字数据。我尝试了以下几种方法as.numeric(pca)
主成分分析只是“正常”的主成分分析数据，如图所示(使用fviz_pca_ind顺便说一句，当我尝试运行k-means分析时，它告诉我"list object list be coerc
浏览 42提问于2020-02-17得票数 0
2回答
在R中进行PCA分析之后，我们可以：这将绘制2 PC空间中的数据，以及向量(具有不同长度和方向)等空间中变量的方向和权重。在Python中，我可以在2PC空间中绘制数据，我可以得到变量的权重，但是我如何知道方向。
换句话说，我如何用Python绘制对PC (重量和方向)的变量贡献？
浏览 1提问于2017-07-17得票数 2
回答已采纳
我正在使用PCA来降低N维数据集的维度，但我想构建对大型异常值的鲁棒性，因此我一直在研究稳健的PCA代码。对于传统的主成分分析，我使用的是python的sklearn.decomposition.PCA，它很好地将主成分作为向量返回，然后我可以将我的数据投影到上面(明确地说，我也使用SVD编写了我自己的版本我发现了一些预编码<e
浏览 0提问于2016-11-21得票数 8
1回答
我尝试使用Python sklearn对breast_canser数据集进行主成分分析。不能理解为什么特征向量的两个点积(3个分量)都不是零？frst = pca.components_[0,:]thrd = pca.components_[2,:]
orth1 = np.dot(frst
浏览 6提问于2017-09-16得票数 0
2回答
我刚刚对一个包含大约20,000个变量的大型数据集执行了PCA分析。为此，我使用了以下代码：我很好奇我的变量是如何影响PCA.1 ( PCA分析的维度1)和PCA.2 ( PCA分析的维度2)的。我使用以下代码来查看每个变量如
浏览 22提问于2020-05-05得票数 1
回答已采纳
1回答
在对第一数据集(a)进行主成分分析之后，我将第二数据集(b)投影到第一数据集的PCA空间中。set.seed(1)
a = repl
浏览 1提问于2017-10-19得票数 3
回答已采纳
1回答
我有几个.csv形式的分子的光谱数据，我希望能够使用Python中的主成分分析(PCA)对这些分子进行可视化和分类。 有9个相关的.csv文件(每个分子一个)。我如何获取所有9个分子的数据，然后使用PCA进行可视化和分类？再说一次，在Python中？任何能够对多个信号数据执行此操作的教程或代码源的链接都将非常有用。 谢谢!
浏览 42提问于2020-08-16得票数 1
我正在使用的PCA (主成分分析)从滑雪库。我正在使用的培训集具有以下形状：X_train: (124, 13), y_train: (124, )。, y_train.shape, y_test.shape
为了检验主成分分析得到的结果的优度，我首先使用logistic回归, y_train)
并且，我使用来自score的LogisticRegression
浏览 2提问于2018-11-27得票数 2
回答已采纳
2回答
我在试着对一个被屏蔽的数组做PCA分析。据我所知，如果原始2D矩阵有缺失值，matplotlib.mlab.PCA就不起作用。有没有人建议在Python中使用缺失值进行PCA？
谢谢。
浏览 5提问于2015-04-03得票数 14
回答已采纳
1回答
我想在H2O上使用主成分分析。在学习过程中，我们可以将fit应用于列车组，然后将transform应用于测试集。在这里，我试图在H2O中遵循同样的逻辑。在“常见问题解答”中，它说：
在利用h2o.prcomp建立了主成分分析模型后，利用h2o.predict对原始数据帧和主成分分析模型进行降维表示。使用cbind将预测器列从原始数据帧添加到h2o.predict输出产生的数据帧中。此时，您可以在新的数据</
浏览 1提问于2018-01-17得票数 0
回答已采纳
1回答
我正在执行PCA分析，并获得等于样本数量的组件数量，而不是特征数量。(数据没有标签) 数据在excel中显示为行:要素，列:样本 我调换了数据，然后将X定义为列(特性) 在执行PCA时，我知道PC的数量等于特征的数量，但我不明白这一点。这是Python的新手，请原谅我对这些基础知识的无知。= PCA()
X_pca = pca.
浏览 15提问于2020-11-28得票数 1
我正在使用python中的sklearn对基因表达数据执行主成分分析(PCA)。我的数据作为pandas dataframe加载，为此我可以调用df.head()，df看起来很好。我正在使用sklearn生成一个加载矩阵，但是该矩阵只显示一个通用索引，并且不接受索引的列名。我有1722个基因，所以通过计算获得每个基因的加载分数是很重要的。下面是我的PCA代码：
import pan
浏览 5提问于2019-08-09得票数 1
1回答
我被告知PCA可以实现这一点，所以我搜索了一些我可以在python中使用的信息和工具。我使用sklearn中的PCA模块来执行PCA.The，以下是我的代码。omega_new = np.corrcoef(y[:,i],y[:,j])[0,1]主成分分析前相关系数在0.0005~0.0014之间，主成分分析后相关系数降至1e-16左右。我对PCA不是很了解，所以我不确
浏览 16提问于2017-02-13得票数 2
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
云直播
对象存储
腾讯会议活动推荐
腾讯云开发者
