0

我试图在矩阵 (C) 上执行 PCA，其中每一列代表不同的时间点，每一行代表一个特征，我试图找到顶部的主成分并将它们相互绘制。我正在使用 mdp 模块，如果该模块返回矩阵，其中每一行代表一个主成分，其中最重要的成分按降序排列，我会感到困惑。

import mdp
C=mdp.pca(C)
print C

import matplotlib.pyplot as plt

plt.plot(C[2,:C.shape[1]], C[1,:C.shape[1]], 'r*')
plt.show()

谢谢！

4

1 回答 1

1

来自mdp.pca 上的 mdp 文档：

pca(x, **kwargs) 通过其主成分过滤多维输入数据。

相同变量的观察值存储在行上，不同的变量存储在列上。

这是对应节点nodes.PCANode的快捷函数。如果指定了任何关键字参数，则将它们传递给其构造函数。

这相当于 mdp.nodes.PCANode(**kwargs)(x)

为了打破这一点，这意味着您将关键字参数发送到PCANode以设置构造函数，然后使用它的__call__方法，根据PCANode文档，该方法实际上调用了它的execute方法，它执行以下操作：

执行（自我，x，n=无）

将输入投影到前“n”个主成分上。如果未设置“n”，则使用所有可用组件。

所以你得到一个投影矩阵，如上所述（行上相同变量的观察，列上不同变量的观察）

于 2012-08-25T00:12:55.903 回答