CS_ALearn/ailearning
1
0
Fork 0
mirror of https://github.com/apachecn/ailearning.git synced 2026-06-16 15:26:39 +08:00
Code Issues Projects Releases Wiki Activity

更新13.PCA注释

Browse Source
This commit is contained in:
jiangzhonglian
2017-04-08 16:59:33 +08:00
parent 442fb25013
commit 87836f0f7b
2 changed files with 25 additions and 25 deletions
Download Patch File Download Diff File Expand all files Collapse all files

48
src/python/13.PCA/pca.py
View File

@@ -117,31 +117,31 @@ if __name__ == "__main__":
# 利用PCA对半导体制造数据降维
dataMat = replaceNanWithMean()
# print shape(dataMat)
# lowDmat, reconMat = pca(dataMat, 40)
# print shape(lowDmat)
# show_picture(dataMat, reconMat)
print shape(dataMat)
lowDmat, reconMat = pca(dataMat, 20)
print shape(lowDmat)
show_picture(dataMat, reconMat)
meanVals = mean(dataMat, axis=0)
meanRemoved = dataMat-meanVals
covMat = cov(meanRemoved, rowvar=0)
eigvals, eigVects = linalg.eig(mat(covMat))
eigValInd = argsort(eigvals)
# meanVals = mean(dataMat, axis=0)
# meanRemoved = dataMat-meanVals
# covMat = cov(meanRemoved, rowvar=0)
# eigvals, eigVects = linalg.eig(mat(covMat))
# eigValInd = argsort(eigvals)
topNfeat = 20
eigValInd = eigValInd[:-(topNfeat+1):-1]
cov_all_score = sum(eigvals)
sum_cov_score = 0
for i in range(0, len(eigValInd)):
line_cov_score = eigvals[eigValInd[i]]
sum_cov_score += line_cov_score
'''
我们发现其中有超过20%的特征值都是0。
这就意味着这些特征都是其他特征的副本，也就是说，它们可以通过其他特征来表示，而本身并没有提供额外的信息。
# topNfeat = 20
# eigValInd = eigValInd[:-(topNfeat+1):-1]
# cov_all_score = sum(eigvals)
# sum_cov_score = 0
# for i in range(0, len(eigValInd)):
# line_cov_score = eigvals[eigValInd[i]]
# sum_cov_score += line_cov_score
# '''
# 我们发现其中有超过20%的特征值都是0。
# 这就意味着这些特征都是其他特征的副本，也就是说，它们可以通过其他特征来表示，而本身并没有提供额外的信息。
最前面15个值的数量级大于10^5，实际上那以后的值都变得非常小。
这就相当于告诉我们只有部分重要特征，重要特征的数目也很快就会下降。
# 最前面15个值的数量级大于10^5，实际上那以后的值都变得非常小。
# 这就相当于告诉我们只有部分重要特征，重要特征的数目也很快就会下降。
最后，我们可能会注意到有一些小的负值，他们主要源自数值误差应该四舍五入成0.
'''
print '主成分：%s, 方差占比：%s%%, 累积方差占比：%s%%' % (format(i+1, '2.0f'), format(line_cov_score/cov_all_score*100, '4.1f'), format(sum_cov_score/cov_all_score*100, '4.1f'))
# 最后，我们可能会注意到有一些小的负值，他们主要源自数值误差应该四舍五入成0.
# '''
# print '主成分：%s, 方差占比：%s%%, 累积方差占比：%s%%' % (format(i+1, '2.0f'), format(line_cov_score/cov_all_score*100, '4.1f'), format(sum_cov_score/cov_all_score*100, '4.1f'))