Python中缺少值的PCA

我正试图对一个蒙版阵列进行PCA分析。据我所知，如果原始2D矩阵缺少值，

matplotlib.mlab.PCA

将不起作用。有人建议在Python中使用缺失值进行PCA吗

---

谢谢。

我认为在进行PCA之前，您可能需要对数据进行一些预处理。 您可以使用：

sklearn.impute.SimpleImputer

使用此功能，您可以自动替换平均值、中值或最频繁值的缺失值。这两个选项中哪一个是最好的很难说，这取决于许多因素，例如数据的外观

顺便说一下，您也可以使用相同的库使用PCA，包括：

sklearn.decomposition.PCA

---

以及许多其他统计函数和机器学习技术。

输入数据会使结果产生偏差，从而可能使主成分分析估计产生偏差。一种更好的方法是使用PPCA算法，该算法给出与PCA相同的结果，但在某些实现中可以更稳健地处理缺失数据

我找到了两个图书馆。你有

在PyPI上打包PPCA，称为

包PyPPCA，在PyPI和

由于这些包的维护率很低，您可能希望自己实现它。上面的代码建立在Tipping和Bishop在1999年发表的一篇引用良好（写得很好！）的论文中提出的理论基础上。如果您需要有关如何正确实施PPCA的指导，请访问

另一方面，实际上是一个基于TippingBishop1999的PPCA实现，但他们没有选择以处理缺失值的方式来实现它

---

编辑：上述两个库都有问题，因此我自己无法直接使用它们。我用叉子叉了PyPPCA，bug把它修好了

您可以查找非线性迭代偏最小二乘（）。我不知道是否有任何Python实现，但该算法在缺少值的情况下运行良好，因此，如果您能够找到一个实现（或自己编写！），您应该能够找到它。对于那些希望在使用PyPPCA执行分解后为传入数据计算PC坐标的人，答案在。y=（ss*np.眼（尺寸）+C_o@C_o.T)@C_o@z_o. 其中z是缺失值的新数据，_o仅指“观察到的”行。现在我只需要弄清楚如何处理这些矩阵在我的例子中太大的错误。哎呀，一开始就忘了np.linalg.inv小心：PyPPCA的输出已经从纸张的输出翻转了尺寸（例如，在纸张C是dxD，但程序的输出是dxD）