如何将PCA降维应用于3D矩阵？

Question

我想对一个3D矩阵（69,2640,7680）应用PCA降维。我有69个2D矩阵，每个矩阵的大小为（2640,7680）。我想将这些矩阵作为3D矩阵（69,2640,7680）应用PCA。我不知道如何操作。

任何帮助都将不胜感激。

代码：

    data=np.load('Normal_windows.npy')
    pca = PCA(n_components=1000)
    pca.fit(data)
    data_pca = pca.transform(data)
    print("original shape:   ", data.shape) ##(69,2640,7680)
    print("transformed shape:", data_pca.shape) 
 

- Eda

Answer 1

如果我理解正确，PCA适用于特征，那么您有69个带有（2640,7680）特征的项目对吗？

如果是这种情况，那么你可以将最后两个维度展平（类似以下方式：

data_2d = np.array([features_2d.flatten() for features_2d in data])
pca = PCA(n_components=1000)
pca.fit(data_2d)
data_pca = pca.transform(data_2d)
print("original shape:   ", data_2d.shape) ##(69,2640*7680)
print("transformed shape:", data_pca.shape)

- rob_m

---

我得到了无效的语法 data_2d = np.array((features_2d.flatten() for features_2d in data])。 - Eda

将“np.array（（”替换为“np.array [”。 - TayTay