sklearn中的pca.inverse_transform
将我的数据拟合为X = 我的数据pca = PCA(n_components=1) pca.fit(X) X_pca = pca.fit_transform(X) 现在X_pca只有一个维度。 按照定义进行逆变换时，它不应该返回原始数据X，即2-D数组吗？ 当我执行 X_ori = pca...
Python中的Hotelling's T^2分数
我使用python中的matplotlib在数据集上应用了主成分分析(pca)。然而，与Matlab不同，matplotlib没有提供t-squared得分。有没有办法计算像Matlab中Hotelling的T^2得分呢？ 谢谢。
巨大稀疏数据集上的主成分分析（PCA）
我有大约1000个50000维度的向量x_i，但它们非常稀疏，每个向量只有大约50-100个非零元素。我想在这个数据集上进行PCA（在MATLAB中），以减少数据的不必要的极端维度。 不幸的是，由于需要从所有实例中减去均值，我不知道如何在没有中间完整矩阵的情况下完成此操作。当然，一个1000...
在数据分析中，选择协方差矩阵中最大的特征值和特征向量意味着什么？
假设有一个名为B的矩阵，大小为500*1000 double(这里的500表示观测数，1000表示特征数)。 sigma是矩阵B的协方差矩阵，D是一个对角矩阵，其对角线元素为sigma的特征值。假设A是协方差矩阵sigma的特征向量。 我有以下问题: 我需要选择前k=800个对应于最大...
如何在PCA中对矩阵进行白化处理
我正在使用Python，并使用这个教程实现PCA。 一切都很顺利，我得到了协方差，成功地进行了变换，并将其返回到原始维度，没有问题。 但是如何执行白化操作？我尝试除以特征值的特征向量：S, V = numpy.linalg.eig(cov) V = V / S[:, numpy.newax...
如何在所有极端方差的情况下获取PCA所需的组件数量？
我正在尝试获取用于分类所需的组件数量。我已经阅读了一个类似的问题Finding the dimension with highest variance using scikit-learn PCA和关于此的scikit文档： http://scikit-learn.org/dev/tutor...
Python中的PCA：矩阵过大无法存入内存
我有一个包含100,000行x27,000列的csv文件，我正在尝试对其进行PCA处理，以生成一个100,000行X300列的矩阵。该csv文件大小为9GB。这是我目前的做法： from sklearn.decomposition import PCA as RandomizedPCA im...
将一组图片分类为不同的类别
我遇到了一个问题，需要对一组图片进行分类。然而，我对这些图片并没有太多的了解。因此，我计划使用尽可能多的描述符，然后对它们进行主成分分析（PCA），以识别对我有用的描述符。 如果有帮助的话，我可以对大量数据点进行监督学习。但是，这些图片之间可能存在联系。也就是说，可能会从图像X发展到图像X+...