1回答
不同的PCA图
、、
我试着用python学习pca(使用虹膜数据集)，我得到了一些结果，所以我想测试一下结果，以确保它是从零开始的。我检查了结果，它给了我一个python的镜像图(在y轴上)，以及一些值中的负号(python: 140,1=0.1826089，r141,2=-0.1826089python计数为零)。 python代码： import numpy as np
import matplotlib.pyplot as plt
import sklearn.decomposition as p
data=np.loadtxt("sample_data/iris.txt",delimit
浏览 13提问于2019-05-22得票数 1
我是一个Matlab用户，我正在学习Python和sklearn库。我想翻译一下这个Matlab代码
[coeff,score] = pca(X)
对于coeff，我在Python中尝试过这样的方法：
from sklearn.decomposition import PCA
import numpy as np
pca = PCA()
pca.fit(X)
coeff = print(np.transpose(pca.components_))
我不知道这是否正确；对于score，我不知道。
有人能告诉我coeff的正确性和score的可行性吗？
浏览 1提问于2019-04-04得票数 2
回答已采纳
我使用PCA，我在Python中的sklearn中发现了PCA，Matlab中的pca()产生了不同的结果。这是我正在使用的测试矩阵。
a = np.array([[-1,-1], [-2,-1], [-3, -2], [1,1], [2,1], [3,2]])
对于Python滑雪板，我有
p = PCA()
print(p.fit_transform(a))
[[-1.38340578 0.2935787 ]
[-2.22189802 -0.25133484]
[-3.6053038 0.04224385]
[ 1.38340578 -0.2935787 ]
[ 2.2218980
浏览 6提问于2016-02-26得票数 0
回答已采纳
1回答
我正在使用sci-kit learn在python中实现PCA，它显示错误pca not found。有人能告诉我如何解决这个问题吗？下面是我写的代码，请检查。
谢谢。
import pandas as pd
import matplotlib.pyplot as plt
import matplotlib
from mpl_toolkits.mplot3d import Axes3D
from plyfile import PlyData, PlyElement
plt.style.use('ggplot')
reduce_factor = 100
plyfile = Pl
浏览 0提问于2018-01-18得票数 0
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：
library(FactoMineR)
a <- c(1, 2, 3, 4, 5)
b <- c(4, 2, 9, 23, 3)
c <- c(9, 8, 7, 6, 6)
d <- c(45, 36, 74, 35, 29)
df <- data.frame(a, b, c, d)
df_pca <- PCA(df, ncp = 4, graph=F)
print(df_pca$eig$`cumulative percentage of variance`)
返
浏览 2提问于2017-04-11得票数 0
回答已采纳
1回答
如何选择PCA的组件数
、、、
我正在尝试使用PCA来分解我的列。
我发现如何使用python中的scikit learn来选择函数PCA的n_components有一些困难。这是我做的
sc = StandardScaler()
Z = sc.fit_transform(X)
pca = PCA(n_components = 5')
你能给我解释一下吗？
浏览 28提问于2018-12-16得票数 3
1回答
我训练要在python上做一些MNIST的PCA重构，并将它们与我在maltab中的(旧)重建进行比较，我碰巧发现我的重建不同意。经过一些调试后，我决定打印每个主组件的独特特性，以揭示它们是否相同，我惊讶地发现它们并不相同。我打印了所有部件的和，得到了不同的数字。我在matlab中做了以下工作：
[coeff, ~, ~, ~, ~, mu] = pca(X_train);
U = coeff(:,1:K)
U_fingerprint = sum(U(:))
%print 31.0244
在蟒蛇/喜鹊中：
pca = pca.fit(X_train)
U = pca.components_
浏览 2提问于2016-08-05得票数 1
输入：
wdf = pd.DataFrame([[101, 1, 'reg'],
[101,0,'VA,reg,pca'],
[102,1, 'Paymode,reg,va,fa'],
[102, 0, 'roy,pca'],
[103, 1, 'reg,pca,va,GA'],
[103, 0, 'PCA,r
浏览 3提问于2020-12-10得票数 0
如何在PCA之后从Python中的第一个分量重建图像？
我的尝试是：
from sklearn.datasets import load_sample_image
from sklearn.feature_extraction import image
from sklearn.decomposition import PCA
# Create patches of size 25 by 25 and create a matrix from all patches
patches = image.extract_patches_2d(grayscale_image, (25, 25), ra
浏览 10提问于2019-10-26得票数 1
回答已采纳
根据这项任务：
我包括了这一行
import from matplotlib.mlab import PCA
但我得到了错误信息：
不能从“matplotlib.mlab”中导入名称“PCA”
我使用Python3.7，我不知道如何使用matlab中的PCA函数。新版本的matplotlib是否已降级，还是将PCA包含到另一个库中？
浏览 3提问于2021-04-04得票数 1
1回答
我需要使用Python中的主成分分析。MDP库提供了PCA功能，但是文档对我来说不是很清楚。我之前使用的是SPSS的PCA，它为PCA提供了各种选项(例如不同的旋转)。
如果有人同时熟悉MDP和SPSS，请在SPSS中突出显示PCA的等效设置，以获得与MDP中的PCA相似的结果(mdp.nodes.PCANode() -为简单起见，让我们考虑默认值)。
浏览 0提问于2012-12-28得票数 0
我已经用python做了PCA相关代码，它是从Matlab代码转换成python代码，但最后一行代码不工作。 我该怎么纠正它呢？ MatLAB代码： [coeff,score,~,~,explained] = pca(train);
sm = 0;
no_components = 0;
for k = 1:size(explained,1)
sm = sm+explained(k);
if sm <= 99.4029
no_components= no_components+1
浏览 18提问于2019-04-26得票数 0
回答已采纳
1回答
我正在使用python中的大量n维数组。所有数组都存储在字典中，因此每个数组都由一个键唯一标识。我想在2D中可视化所有的数组，所以我执行了PCA： # standardize data before applying PCA
dict_data_std = StandardScaler().fit_transform(dict_data.values())
pca = PCA(n_components=2)
data_post_pca = pca.fit_transform(dict_data_std.values()) 我的问题是: PCA变换是否保留了数据的顺序？那么，dict_da
浏览 37提问于2020-12-10得票数 0
当使用Python2.7.5与OpenCV (OSX)一起使用时，我对一系列图像运行PCA (cols是像素，行是按照的帧。
如何得到特征向量对应的特征值？看起来它是C++中PCA对象的一个属性，但是Python等效的是一个简单的函数。
忽略PCA的一个关键部分似乎很奇怪。
浏览 3提问于2014-03-24得票数 7
回答已采纳
3回答
我想要的是python中各个变量和主成分之间的相关性。我在sklearn中使用PCA。我不明白在我分解我的数据后，我如何才能获得加载矩阵？我的代码在这里。
iris = load_iris()
data, y = iris.data, iris.target
pca = PCA(n_components=2)
transformed_data = pca.fit(data).transform(data)
eigenValues = pca.explained_variance_ratio_
没有提到如何实现这一点。
浏览 3提问于2014-01-19得票数 28
回答已采纳
我想用给定的角度来控制伺服系统。
我使用的是一个RaspberryPi 4型号B，这是运行拉斯宾。伺服系统连接到Adafruit PCA9685 16通道伺服驱动程序.伺服驱动器通过RaspberryPi与i2c连接。
Python版本3.7。
我使用了以下教程：
我能够正确地控制一个LED (就像在上述教程)与设置。
LED连接到通道8上的伺服驱动器，而伺服连接在通道2。
这是我的代码(控制LED也包括在内)：
import board
import busio
import adafruit_pca9685
from adafruit_servokit import ServoKit
i
浏览 5提问于2021-10-19得票数 1
回答已采纳
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, )。测试集具有以下形状：X_test: (54, 13), y_test: (54, )。
我就是这样做PCA的
from sklearn.decomposition import PCA
pca = PCA(0.75) #75 % variance retained
X_train_pca = pca.fit_transform(X_train_std)
X_test_pca = pca.transform(X_test_std)
print
浏览 2提问于2018-11-27得票数 2
回答已采纳
我使用python中的matplotlib获得了一个68维* 100个观察值的数据集来创建pca空间。
现在我得到了另一组6维×100个观察值的数据(x)。是否可以将这些数据投影到之前创建的pca空间？
我尝试使用pca_space.project(x)进行投影，但是pca空间的维度与新数据集不匹配，它不起作用。
浏览 3提问于2014-08-19得票数 0
我正在用sklearn.decomposition.PCA进行主成分分析，我发现如果输入矩阵X很大，两个不同的PCA.transform实例的结果就不一样了。例如，当X是一个100x200矩阵时，就没有问题了。当X是1000x200或100x2000矩阵时，两个不同的PCA实例的结果将不同。我不知道这是什么原因:我想在sklearn的PCA求解器中没有随机元素？我使用的是滑雪版0.18.1。使用python 2.7
下面的脚本说明了这个问题。
import numpy as np
import sklearn.linear_model as sklin
from sklearn.decomp
浏览 1提问于2018-01-05得票数 1
回答已采纳
1回答
稀疏矩阵的内部处理
、、、、
我一直在比较Python和R的几个PCA实现的性能，并注意到一个有趣的行为：
虽然用Python计算稀疏矩阵的PCA似乎是不可能的(唯一的方法是 TruncatedSVD，但它不支持以均值为中心的计算方法，这就需要与PCA的协方差解等价)。他们的论点是，它会破坏矩阵的稀疏性。其他实现，如Facebook的PCA算法或scikit学习中的PCA/随机PCA方法，由于类似的原因不支持稀疏矩阵。
虽然所有这些对我来说都有意义，但一些R包，如、rsvd等，能够处理稀疏矩阵(例如，使用rsparsematrix生成的矩阵)，甚至允许特定的center=True参数。
我的问题是，R是如何在内部处理这个问
浏览 2提问于2018-06-14得票数 28
回答已采纳
我在和我的覆盆子做斗争。Terminal输出的结果是浮点数除以0，但我没有对代码中的任何内容进行除法。我已经重置了整个Pi并重新安装了所有内容。重置后的第一次运行是成功的，但之后每次运行都会显示以下错误。
如果你能帮我，那就太棒了！谢谢!
Traceback (most recent call last):
File "robot2.py", line 43, in <module>
kit.servo[servo1].angle = length1
File "/usr/local/lib/python3.6/site-packages/a
浏览 2提问于2020-03-03得票数 1
1回答
如何在Python上的PCA中创建相关矩阵？下面，我通过pca.components_创建了特征向量加载的DataFrame，但我不知道如何创建实际的相关矩阵(即这些加载与主成分的相关性如何)。有什么线索吗？
此外，我已经意识到，在Python中，许多这些特征向量加载都是负的。我正在尝试复制在Stata中进行的一项研究，奇怪的是，当Stata相关性为正时，Python负载似乎为负(请参阅附件中的相关矩阵图像，我正尝试用Python复制该图像)。这只是我注意到的一些事情-这里发生了什么？
提前谢谢。
import pandas as pd
import numpy as np
import d
浏览 0提问于2018-10-12得票数 1
1回答
降维- PCA解释
、、、
我不认为我对PCA有很好的理解，有人能帮我解决下面的困惑吗？
以虹膜数据集为例，我有4个协变量，x1:萼片长度；x2:萼片宽度；x3:花瓣长度；x4:花瓣宽度。公式如下，a1，a2，a3，a4是协变量的权重。PCA将尝试使用不同的线性变换来最大限度地利用方差。同时也遵循a1^2 + a2^2 + a3^2 + a4^2=1的规则，我想知道a1，a2，a3，a4的值。
a1*x1 + a2*x2 + a3*x3 + a4*x4
下面有关于python的代码，我认为这是正确的吗？
# load libraries
from sklearn.datasets import load_iris
fro
浏览 1提问于2020-12-27得票数 1
回答已采纳
我试图在MNIST数据上运行PCA (只是在尝试学习一些ML的东西)，但是得到一个内存分配错误，对于我的机器来说似乎太小了。我尝试了两个略有不同的代码，下面是从这个网站复制的： (我在Iris数据集上成功地运行了PCA )。
但是，当我运行以下命令时：
from sklearn.datasets import fetch_openml
mnist = fetch_openml('mnist_784')
from sklearn.model_selection import train_test_split
# test_size: what proportion of ori
浏览 0提问于2020-06-21得票数 1
为了对这些图像进行分类，我想运行一些机器学习算法，比如PCA和KNN，它们有一个相对较大的图像数据集(>2000 rgb图像)。
我的源代码如下：
import cv2
import numpy as np
import os
from glob import glob
from sklearn.decomposition import PCA
from sklearn import neighbors
from sklearn import preprocessing
data = []
# Read images from file
for filename in glob(&
浏览 0提问于2018-02-01得票数 2
1回答
PCA:合成矩阵n-1行
、、、
我在Python中使用PCA来降低数据的维数。当前数据有768行和10列。
我使用以下代码实现PCA：
import numpy as np
from sklearn import decomposition
demo_df = pd.read_csv('data.csv')
pca = decomposition.PCA(n_components=4)
comps = pca.fit(demo_df).transform(demo_df)
np.savetxt('data_reduced.csv', comps, delimiter=','
浏览 4提问于2017-05-04得票数 1
回答已采纳
我开始实现DL代码，这是我第一次使用DL、GPU和丘比。我制作了一个玩具示例，它在同一台机器上的不同python环境中工作方式不同，我希望详细了解发生这种情况的原因和原因。 这是我的代码 import numpy as np
import cupy as cp
X = 150000
Y = 100
Z = 79
shape_pca_mean = np.random.rand(X, 1)
shape_pca_basis = np.random.rand(X, Y)
shape_pca_basis_gpu = cp.asarray(shape_pca_basis)
shape_param
浏览 29提问于2020-09-10得票数 0
1回答
我正在尝试在python上使用PCA来降低RGB图像的维度。但在我看来，我发现的所有代码都只适用于灰度图像。有没有办法使用任何python库来对RGB图像进行PCA操作？谢谢
浏览 3提问于2017-09-25得票数 0
1回答
我想知道是否有人知道如何在熊猫数据帧上实现滚动/移动窗口PCA。我环顾四周，发现了在R和MATLAB中的实现，但没有Python。任何帮助都将不胜感激！
这不是重复窗口-移动窗口PCA与整个数据帧上的PCA不同。如果您不了解其中的区别，请参阅pandas.DataFrame.rolling()
浏览 23提问于2017-08-29得票数 3
同时使用nosetest测试我的应用程序。我得到了一些与导入错误相关的错误：
我在Linux上使用的命令是：nosetests -m test_file
======================================================================
ERROR: Failure: ImportError (cannot import name ConnectionPool)
----------------------------------------------------------------------
Traceback (most r
浏览 0提问于2019-05-28得票数 1
1回答
你好，我想减少列车矩阵的维数，然后使用支持向量机，我的代码如下：
from sklearn.decomposition import PCA
首先，我尝试在pca中表演：
pca = PCA(n_components=100)
#pca.fit(train_matrix)
train_matrix = np.concatenate([cities,state_matrix,work_type,company_matrix,seg,ag,rep], axis=1)
然后，我将其分配给一个变量，然后对我的模型进行如下训练：
train_matrix = pca.fit_transform(trai
浏览 0提问于2017-02-10得票数 0
回答已采纳
我刚刚将numpy和scikit-learn的版本升级到了最新版本，即numpy-1.16.3和sklearn-0.21.0 (适用于Python 3.7)。很多东西都崩溃了，例如，一个简单的数字矩阵上的PCA将不再起作用。例如，考虑这个玩具矩阵： Xt
Out[3561]:
matrix([[-0.98200559, 0.80514289, 0.02461868, -1.74564111],
[ 2.3069239 , 1.79912014, 1.47062378, 2.52407335],
[-0.70465054, -1.95163302,
浏览 35提问于2019-05-13得票数 1
回答已采纳
1回答
我现在正在为学校做作业，我有点卡住了。
任务如下：
用ax.plot绘制累积解释的方差，并查找可以占方差>90%的组件数；将其分配给n_components.
为此，向我提供了以下代码：
import numpy as np
cum_exp_variance = np.cumsum(exp_variance)
print(cum_exp_variance)
fig, ax = plt.subplots()
ax.plot(cum_exp_variance)
ax.axhline(y=0.9, linestyle='--')
n_components = PCA(n_
浏览 0提问于2018-10-26得票数 5
我在matlab和python中生成了相同的矩阵：
1 2 3 4 5
6 7 8 9 10
11 12 13 14 15
16 17 18 19 20
21 22 23 24 25
然后分别应用主成分分析得到主成分系数。
Matlab代码：
X = reshape([1:25], 5, 5);
X = X'
[cofe, S, latent] = pca(X)
结果：
cofe =
0.4472 0.8944 0
浏览 10提问于2018-08-15得票数 4
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 pandas as pd
from sklearn.decomposition import PCA
from sklearn import preprocessing
# Load the data as pand
浏览 5提问于2019-08-09得票数 1
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
有没有人能建议一下如何在pyscripter中使用PCA的内置函数？作为开始，我导入了pca
from matplotlib.mlab import PCA
然后是代码区
results = PCA(arr1)
print("-----------------------PCA-----------------------")
print(results)
其中，arr1是从file.But读取的数据集(数值)，我得到的Attrubute错误为：
Traceback (most recent call last):
File "C:\Users\pooja\Docu
浏览 1提问于2015-01-13得票数 0
我有点困惑，我想使用texthero库进行一些pca分析。但是当我尝试运行我的代码时： import texthero as hero
import pandas as pd
df['pca']=(df['clean_tweet'].pipe(hero.clean).pipe(hero.do_tfidf).pipe(hero.do_pca))
hero.scatterplot(df, col='pca', color='topic', title="PCA BBC Sport news") 我得到了错误： M
浏览 62提问于2021-04-27得票数 2
回答已采纳
1回答
进行PCA前后数据的维数
、、、
我正在尝试使用Python和scikit-学习。
从培训数据中删除标签后，我将CSV中的每一行添加到如下列表中：
for row in csv:
train_data.append(np.array(np.int64(row)))
我对测试数据也是这样。
我使用PCA对这些数据进行预处理，以便进行降维(以及特征提取？)：
def preprocess(train_data, test_data, pca_components=100):
# convert to matrix
train_data = np.mat(train_data)
# reduce b
浏览 3提问于2013-11-15得票数 6
我试图使用PCA进行维数约简，其中outputs是张量的列表，每个张量的形状为(1，3，32,32)。以下是代码：
from sklearn.decomposition import PCA
pca = PCA(10)
pca_result = pca.fit_transform(output)
但不管我做了什么，我都会犯这个错误：
ValueError: only one element tensors can be converted to Python scalars
我知道具有大小(1，3，32,32)的张量正在产生这个问题，因为它寻找一个元素，就像错误所指出的那样，但是不知道如何解决
浏览 1提问于2021-12-16得票数 0
回答已采纳
我的环境是docker(最新的)，windows 10，ubuntu 20.04，python2.7
我从这里下载了这些文件：
文件名: makefile
这是我要运行的文件
PYENV = pyvenv/bin/python
all: experiment control
experiment:
# for I in 80 40 20 10;
# do
# $PYENV src/hierarchical_clusting/hierarchical-clusting-004.py $I false
# $PYENV
浏览 15提问于2021-02-18得票数 0
回答已采纳
我用python做了这个PCA图，我想知道每个点的名称或索引，我怎么才能找到方法呢？
def pca_arrows_2d(df, pca) :
feature_vectors = pca.components_.T
# échelle des flèches
arrow_size, text_pos = 7.0, 8.0,
# projections des vecteurs de caractéristiques
for i, v in enumerate(feature_vectors):
plt.arrow(0, 0, arr
浏览 29提问于2020-03-09得票数 0
代码：
import os
import pandas as pd
data_folder = os.path.join(os.path.expanduser("~"),"data","Ads")
data_filename = os.path.join(data_folder,"ad.data")
def convert_number(x):
try:
return float(x)
except ValueError:
return np.nan
from collections
浏览 0提问于2016-09-29得票数 0
来自此资源的Python sne实现：
顺便说一句，我是个初学者。
我要做的是:使用scRNA-seq数据集并在其上运行scRNA，但使用以前计算过的PCAs (我有PCA.score和PCA.load文件)。
Q1:我应该能够在tSNE中使用所选的计算出的PCA，但是在运行Y= tsne.tsne(X)?时，使用pca.score还是pca.load呢？
Q2:我尝试删除/替换部分PCA计算代码，以尝试删除PCA预处理，但似乎总是会出现错误。为了正确地使用我已经使用的PCA数据，并且不再从它中计算PCA，我应该更改什么？
PCA处理代码的一部分是它的原始形式：
def pca(X=np.ar
浏览 0提问于2021-03-18得票数 1
1回答
作为练习，我对虹膜数据进行了PCA。下面是我的代码：
#!/usr/bin/env python
# -*- coding: utf-8 -*-
import numpy as np
import matplotlib.pyplot as plt
from matplotlib import style
style.use("ggplot")
from sklearn.cluster import KMeans
from sklearn.preprocessing import StandardScaler
from sklearn.decomposition import P
浏览 0提问于2015-11-05得票数 0
我不断地发现错误：
ImportError: cannot import name 'LatentDirichletAllocation'
全面回溯：
Traceback (most recent call last):
File "/home/path/to/file/pca.py", line 7, in <module>
from sklearn.decomposition import PCA
File "/home/user/.local/lib/python3.6/site-packages/sklearn/dec
浏览 3提问于2019-12-13得票数 3
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，以便我知道该方法是如何工作的)。我发现了一些预编码的RPCA python代码(比如和)。
第一个代码是基于Candes等人的。(2009)方法，并返回数据集D的低秩L和稀疏S矩阵。第二个代码使用矩阵分解的ADMM方法(Parikh，N.，& Boyd，S.，2013)，并返回X
浏览 0提问于2016-11-21得票数 8
我在Scikit中探索PCA -学习( Python 3上的0.20)使用Pandas来构造我的数据。当我应用测试/训练分割(仅当)时，我的输入标签似乎不再匹配PCA输出。
import pandas
import sklearn.datasets
from matplotlib import pyplot
import seaborn
def load_bc_as_dataframe():
data = sklearn.datasets.load_breast_cancer()
df = pandas.DataFrame(data.data, columns=data.fe
浏览 1提问于2018-11-01得票数 1
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。 df = pd.read_excel(excel_file)
# STEP 1
# Transposing the data
data = df.T
print('\nData Shape (row, columns):', data.shape)
# STEP 2
# Data
浏览 15提问于2020-11-28得票数 1
1回答
谁能给我介绍一个健壮的python实现算法，比如Robust-PCA或基于角度的离群值检测(ABOD)？我尝试了几个Robust-PCA的python实现，但它们被证明是非常占用内存的，程序崩溃了。我的数据集是60,000×900个浮点数。R有一个ABOD的实现，但我想坚持使用python。
浏览 0提问于2017-07-14得票数 3
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
实时音视频
对象存储
即时通信 IM活动推荐
腾讯云开发者
