-1

我想在 python 中为形状为 (1934,32) 的数据集构建自己的 PCA。Numpy 数组（二进制图像文件）。在 PCA 中，我需要计算散点矩阵。我有一个代码，它适用于图像和大小数组（3，x）。但不适用于我的。

我尝试将 np.zeros 和 reshape 方法重塑为 32 和 1934，但没有任何效果。这是我现在正在使用的代码一瞥

for i in range(X.shape[1]):
    scatter_matrix += (X[:,i].reshape(3,1) - mean_vector).dot((X[:,i].reshape(3,1) - mean_vector).T)
print('Scatter Matrix:\n', scatter_matrix)

错误是“无法将大小为 1934 的数组转换为形状 (3,1)”

4

1 回答 1

-1

我通过添加维度 (1934,1934) 而不是 (3,1) 的散布矩阵找到了解决方案。它现在工作正常。代码如下所示

scatter_matrix = np.zeros((1934,1934))
for i in range(X.shape[1]):
  print('first',i)
    A = X[:,i].reshape(1934,1) - mean
    #print(A)
    B = (X[:,i].reshape(1934,1) - mean).T
    #print(B)
    sb = A.dot(B)
    print(sb)
    #scatter_matrix += (A).dot(B)
    #print(i)
print('Scatter Matrix:\n', scatter_matrix)

但是，现在我被上面代码中的点积计算困住了。即使在 Kaggle GPU 环境中也需要花费太多时间。我什至无法获得对数据集进行单次迭代的结果。

是否有任何解决方案可以使其更快？

于 2019-10-23T00:19:08.797 回答