Matlab和Python为PCA生成不同的结果
我正在使用PCA,我发现Python中sklearn中的PCA和Matlab中的PCA()会产生不同的结果。这是我正在使用的测试矩阵Matlab和Python为PCA生成不同的结果,python,matlab,scikit-learn,pca,Python,Matlab,Scikit Learn,Pca,我正在使用PCA,我发现Python中sklearn中的PCA和Matlab中的PCA()会产生不同的结果。这是我正在使用的测试矩阵 a = np.array([[-1,-1], [-2,-1], [-3, -2], [1,1], [2,1], [3,2]]) 为了学习,我得到了 p = PCA() print(p.fit_transform(a)) [[-1.38340578 0.2935787 ] [-2.22189802 -0.25133484] [-3.6053038 0.04
a = np.array([[-1,-1], [-2,-1], [-3, -2], [1,1], [2,1], [3,2]])
为了学习,我得到了
p = PCA()
print(p.fit_transform(a))
[[-1.38340578 0.2935787 ]
[-2.22189802 -0.25133484]
[-3.6053038 0.04224385]
[ 1.38340578 -0.2935787 ]
[ 2.22189802 0.25133484]
[ 3.6053038 -0.04224385]]
对于Matlab,我得到了
pca(a', 'Centered', false)
[0.2196 0.5340
0.3526 -0.4571
0.5722 0.0768
-0.2196 -0.5340
-0.3526 0.4571
-0.5722 -0.0768]
为什么观察到这种差异
谢谢丹的回答。结果现在看来相当合理。然而,如果我使用随机矩阵进行测试,看起来Matlab和Python产生的结果不是彼此的标量倍数。为什么会发生这种情况
test matrix a:
[[ 0.36671885 0.77268624 0.94687497]
[ 0.75741855 0.63457672 0.88671836]
[ 0.20818031 0.709373 0.45114135]
[ 0.24488718 0.87400025 0.89382836]
[ 0.16554686 0.74684393 0.08551401]
[ 0.07371664 0.1632872 0.84217978]]
Python结果:
p = PCA()
p.fit_transform(a))
[[ 0.25305509 -0.10189215 -0.11661895]
[ 0.36137036 -0.20480169 0.27455458]
[-0.25638649 -0.02923213 -0.01619661]
[ 0.14741593 -0.12777308 -0.2434731 ]
[-0.6122582 -0.08568121 0.06790961]
[ 0.10680331 0.54938026 0.03382447]]
Matlab结果:
pca(a', 'Centered', false)
0.504156973865138 -0.0808159771243340 -0.107296852182663
0.502756555190181 -0.174432053627297 0.818826939851221
0.329948209311847 0.315668718703861 -0.138813345638127
0.499181592718705 0.0755364557146097 -0.383301081533716
0.232039797509016 0.694464307249012 -0.0436361728092353
0.284905319274925 -0.612706345940607 -0.387190971583757
谢谢丹在整个过程中的帮助。事实上,我发现这是对Matlab函数的滥用。默认情况下,Matlab返回主成分系数。使用[~,score]=pca(a,'Centered',true)将获得与Python相同的结果。pca使用特征向量。只要向量是平行的,大小是无关的(只是不同的规格化) 在您的例子中,两者是彼此的标量倍数。Try(在MATLAB中) 现在请注意,
B(:,1)*-6.2997
基本上等于A(:,1)
。或者换一种说法
A(:,n)./B(:,n)
为每行提供(大致)相同的数字。这意味着两个向量有相同的方向(即它们只是彼此的标量倍数),因此得到的主分量相同
另一个例子请参见此处:非常感谢您的快速回复。这次我得到了同样的结果。然而,如果我使用随机矩阵,结果似乎不是彼此的标量倍数。我已将新的测试矩阵和结果放在原始问题中。你介意看一下吗?非常感谢。目前不在MATLAB附近,但它们的顺序也可能不同。。。因此,如果你重新排列其中一个矩阵的列,你应该能够得到它们是标量的倍数。我的猜测是将列排序为特征值的大小,应该可以解决这个问题。非常感谢您的帮助。我终于解决了这个问题。@user3451228请添加您所解决的问题,以便本问题的未来读者能够找到完整的答案。谢谢您的建议。这实际上是对Matlab函数的误用(对此表示抱歉)。我已经更新了这个,以防任何人需要类似的信息。
A(:,n)./B(:,n)