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）

---

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()