可视化三维样本数据点的PCA过程

来源：8-1 什么是多项式回归

yijunma

2019-02-20

老师，在github第七章最后的一个optional的小节里，
def demean(X):
return X - np.mean(X, axis=0)

X = demean(X_demean)
显示X_demean没有define，这括号里是不是应该写X_random啊？
然后把后面求X2中的X_demean改成X？

写回答

1回答

liuyubobobo

2019-02-20

我有运行了一遍相关的Jupyter Notebook，你是对的，我的代码有问题，应该是当时程序调通以后我又修改了一下变量名，但是没有重新运行。我现在已经在github上对相关程序进行了修改，你的修改意见是完全正确的：）

抱歉！继续加油！：）

liuyubobobo

yijunma

1）first_n_components 返回的是前n个主成分，而不是所有的数据点在这些主成分上的映射。比如你的数据是m * 3的数据，求前两个主成分，得到的是一个2 * 3的矩阵，即两个三维坐标轴，表示前两个主成分。和m无关。2）我不知道你具体是指那段代码，但整体而言，在这个课程中，reshape做的事情是在向量和二维矩阵之间做转换。可能课程中的代码的一些转换其实是多余的，比如矩阵和向量本身就能相乘，但为清晰起见，我转换成了矩阵和矩阵相乘的形式，或者反之。这些转换过程不写时ok的。关键是分析清楚，进行运算的两个对象都是什么（矩阵还是向量），维度是怎样的，能否进行运算。加油！：）

2019-02-20

共2条回复

Python3入门机器学习经典算法与应用

Python3+sklearn，兼顾原理、算法底层实现和框架使用。

5893 学习 · 2455 问题

查看课程

相似问题

PCA中样本均值归零与前N个主成分问题

回答 1

是否需要对所有数据进行归一化或者标准化

回答 1

PCA降维的把握和依据分别是什么？比如把一个近似直线分布的二维点数据降维成直线？

回答 1

什么样的数据适合使用pca降维

回答 1

关于标准化的几个问题

回答 1

打开慕课网App查看更多内容