Python:是否可以对具有多个维度的向量进行PCA?

Posted

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了Python:是否可以对具有多个维度的向量进行PCA?相关的知识,希望对你有一定的参考价值。

我想尝试使用描述PCAhere

from sklearn.decomposition import PCA
X = np.array([[-1, -1], [-2, -1], [-3, -2], [1, 1], [2, 1], [3, 2]])
pca = PCA(n_components=2)
pca.fit(X)
PCA(n_components=2)

是否可以对具有不同维数的数组进行如下操作?

X = np.array([[-1, -1], [-2, -1], [-3, -2, 3], [1, 1], [2, 1], [3, 2, 3]])

如果我尝试以下错误:

pca = PCA(n_components=2)
pca.fit(X)
ValueError: setting an array element with a sequence.
答案

不,鉴于主成分分析的数学背景,这是不可能的。 PCA是高维空间中的旋转。

以上是关于Python:是否可以对具有多个维度的向量进行PCA?的主要内容,如果未能解决你的问题,请参考以下文章

如何对链接到具有不同粒度级别的多个事实的维度表进行建模?

高维向量的最佳聚类算法

使用 python 的 libsvm 支持具有高维输出的向量回归

代数小课堂:向量代数(通过向量夹角理解不同的维度)

对类型的维度进行抽象

1,Python常用库之一:Numpy