Function PCA_2D

PCA/PCA.py:12–44

()

主成分分析_2维数据降维1维演示函数
'''
def PCA_2D():
    data_2d = spio.loadmat("data.mat")
    X = data_2d['X']
    m = X.shape[0]
    plt = plot_data_2d(X,'bo') # 显示二维的数据
    plt.show()
    
    X_copy = X.copy()
    X_norm,mu,sigma = featureNormalize(X_copy)    # 归一化数据
    #plot_data_2d(X_norm)    # 显示归一化后的数据
    #plt.show()
    
    Sigma = np.dot(np.transpose(X_norm),X_norm)/m  # 求Sigma
    U,S,V = np.linalg.svd(Sigma)       # 求Sigma的奇异值分解
    
    plt = plot_data_2d(X,'bo') # 显示原本数据
    drawline(plt, mu, mu+S[0]*(U[:,0]), 'r-')  # 线，为投影的方向

    plt.axis('square')
    plt.show()
    
    K = 1  # 定义降维多少维（本来是2维的，这里降维1维）
    '''投影之后数据（降维之后）'''
    Z = projectData(X_norm,U,K)   # 投影
    '''恢复数据'''
    X_rec = recoverData(Z,U,K)    # 恢复
    '''作图-----原数据与恢复的数据'''
    plt = plot_data_2d(X_norm,'bo')
    plot_data_2d(X_rec,'ro')
    for i in range(X_norm.shape[0]):
        drawline(plt, X_norm[i,:], X_rec[i,:], '--k')
    plt.axis('square')
    plt.show()


'''主成分分析_PCA图像数据降维'''