Python 主成分分析中的负特征值

我有一个矩阵

x（1000*25）

，它包含区间

（-5,5）

中的随机浮点数<代码>nFeatures=25和

nPoints=1000

。我用这个代码来求协方差矩阵的特征值，但得到的是负特征值

#centering the data
for i in range(0,nFeatures):
    sum=0
    for j in range(0,nPoints):
        sum+=x[j][i]
    for j in range(0,nPoints):
        x[j][i]-=sum/nPoints

#covariance matrix and its eigenvalues & eigenvectors
c=np.dot(x.T,x)
eValue,eVector=np.linalg.eig(c)
print(eValue)

我得到的输出是：

[ 1.47374029e+02  8.84275505e-13 -8.01150077e-13 -6.77987718e-13
  5.19228948e-13 -4.01775609e-13 -3.55055652e-13  3.55433578e-13
 -2.54817200e-13  2.51137659e-13  2.23836773e-13  1.77611044e-13
  1.57643867e-13 -1.34409360e-13  1.04358065e-13 -9.31186264e-14
 -8.05736392e-14 -5.69664362e-14  4.39721071e-14  3.59268864e-14
 -2.84466680e-14  2.42670536e-14  2.30979465e-15 -7.18313504e-15
 -9.35335475e-15]

因为协方差矩阵是半正定矩阵，所以特征值不应该是负的。请帮我找出我做错了什么

---

另外，我读了一篇博文，没有，我的数据集中没有缺失值。

这绝对不是你正在计算的协方差矩阵，因为你的运算中没有乘积，只有和。怎么样：

sum+=x[j][i]*x[i][j]

？@ma3oun我没有用

sum

来计算协方差矩阵。我用它来集中关于原点的数据。我用点积，

dot（x.T，x）

来计算cov矩阵。你的特征值非常接近于0（除了第一个）。我认为这是由于数值不精确（这可能来自循环中使用的累积）。应该考虑使用它们的绝对值裁剪值。尝试使用np用numpy操作替换定心环。average@ma3oun我一小时后试试，然后告诉你。谢谢哦，非常感谢@ma3oun，它真的很有帮助！：D