6

我正在尝试计算矩阵的 PCA。

有时，得到的特征值/向量是复值，因此当尝试通过将特征向量矩阵与点坐标相乘来将点投影到低维计划时，我得到以下警告

ComplexWarning: Casting complex values to real discards the imaginary part

在那行代码中np.dot(self.u[0:components,:],vector)

我用来计算 PCA 的整个代码

import numpy as np
import numpy.linalg as la

class PCA:
    def __init__(self,inputData):
        data = inputData.copy()
        #m = no of points
        #n = no of features per point
        self.m = data.shape[0]
        self.n = data.shape[1]
        #mean center the data
        data -= np.mean(data,axis=0)

        # calculate the covariance matrix
        c = np.cov(data, rowvar=0)

        # get the eigenvalues/eigenvectors of c
        eval, evec = la.eig(c)
        # u = eigen vectors (transposed)
        self.u = evec.transpose()

    def getPCA(self,vector,components):
        if components > self.n:
            raise Exception("components must be > 0 and <= n")
        return np.dot(self.u[0:components,:],vector)
4

2 回答 2

13

协方差矩阵是对称的，因此具有实特征值。由于数值误差，您可能会在某些特征值中看到一个小的虚部。虚部一般可以忽略。

于 2012-05-05T14:38:26.257 回答
1

您可以为 PCA 使用 scikits python 库，这是一个如何使用它的示例

于 2012-05-05T14:32:10.143 回答