Python 核主成分分析的中心化
下面是我如何应用内核pca的。但是我在X中的数据不是以均值为中心的(它没有零均值)。在这方面,下面的代码是否正确(对于pca,我们需要以均值为中心的数据…内核pca如何)Python 核主成分分析的中心化,python,pca,kernel-trick,Python,Pca,Kernel Trick,下面是我如何应用内核pca的。但是我在X中的数据不是以均值为中心的(它没有零均值)。在这方面,下面的代码是否正确(对于pca,我们需要以均值为中心的数据…内核pca如何) 你能详细解释一下你所说的“正确”代码是什么意思吗?你打算这段代码做什么?在将数据映射到特征空间后(根据核函数),核PCA等价于常规PCA。因此,输入数据不需要居中。需要居中的是它们在要素空间中的投影。这是使用内核矩阵的转换隐式执行的。这应该由您的软件自动处理。 from sklearn.decomposition import
你能详细解释一下你所说的“正确”代码是什么意思吗?你打算这段代码做什么?在将数据映射到特征空间后(根据核函数),核PCA等价于常规PCA。因此,输入数据不需要居中。需要居中的是它们在要素空间中的投影。这是使用内核矩阵的转换隐式执行的。这应该由您的软件自动处理。
from sklearn.decomposition import PCA
scikit_pca = PCA(n_components=2)
X_spca = scikit_pca.fit_transform(X)
fig, ax = plt.subplots(nrows=1, ncols=2, figsize=(7,3))
ax[0].scatter(X_spca[y==0, 0], X_spca[y==0, 1], color='red', marker='^', alpha=0.5)
ax[0].scatter(X_spca[y==1, 0], X_spca[y==1, 1],color='blue', marker='o', alpha=0.5)
ax[1].scatter(X_spca[y==0, 0], np.zeros((50,1))+0.02,color='red')
plt.tight_layout()
plt.show()