在PCA图上，是否有可能测试两个已知组之间聚类的显著性？测试它们之间的接近程度或者扩散（方差）和聚类之间的重叠程度等。

我正在使用scikit-learn。 我的应用程序的性质是，我离线拟合数据（offline），然后只能在线上（on the fly）使用生成的系数手动计算各种目标。 变换很简单，只需将 data * pca.components_ 相乘即可，即简单的点积。 但是，我不知道如何执行逆变换。哪...

我正在尝试对一个掩码数组进行PCA分析。据我所知，如果原始的2D矩阵存在缺失值，则matplotlib.mlab.PCA无法工作。有没有人可以推荐在Python中处理带缺失值的PCA的方法？ 谢谢。

我正在使用KNN算法对手写数字进行分类。现在我还实现了PCA来减少维度。从256维降到了200维，但我只发现大约损失了0.10%的信息。我删掉了56个维度，难道损失不应该更大吗？只有当我降到5个维度时，才会出现约20%的信息损失。这种情况正常吗？

我正在使用这里的输入数据（请参见第3.1节）。我试图使用scikit-learn复现它们的协方差矩阵、特征值和特征向量。然而，我无法复现数据源中呈现的结果。我还在其他地方看到过这个输入数据，但我无法确定是scikit-learn、我的步骤还是数据源的问题。data = np.array([[2...

我尝试对我的数据应用PCA，然后对转换后的数据应用RandomForest。但是，PCA.transform(data) 给了我一个 DataFrame，而我需要一个mllib LabeledPoints来提供给我的RandomForest。我该怎么做？我的代码： import org....

我正在使用Sklearn中的PCA来降维一个非常大的矩阵，但是它会产生内存错误（所需的RAM超过128GB）。 我已经设置了copy=False，并且我正在使用计算量较小的随机PCA。 是否有解决方法？如果没有，还有哪些需要更少内存的降维技术可用。谢谢。 更新：我要对这个矩阵进行PCA...

我刚刚尝试使用sklearn.decomposition的IncrementalPCA，但它像PCA和RandomizedPCA一样抛出了MemoryError。我的问题是，我尝试加载的矩阵太大无法放入RAM中。现在它作为形状为~（1000000,1000）的数据集存储在hdf5数据库中，因此...

我正在尝试实现 ZCA白化，并找到一些文章来进行实现，但它们有点令人困惑..有人能帮忙吗？ 非常感谢任何提示或帮助！ 这是我读过的文章： http://courses.media.mit.edu/2010fall/mas622j/whiten.pdf http://bbabenko.tu...

TruncatedSVD的解释方差比并不像sklearn的PCA那样按降序排列。我查看了源代码，发现它们使用了不同的计算解释方差比的方法： TruncatedSVD：U, Sigma, VT = randomized_svd(X, self.n_components, ...