线性回归简单实践

线性回归简单实践 

代码如下&＃xff1a;

import numpy as np
#如果取不到&＃xff0c;默认取很大的维度
def myPCA(data,n_components &＃61; 100000000):# data的均值&＃xff0c;axis是每个属性的均值mean_vals &＃61; np.mean(data,axis&＃61;0)mid &＃61; data - mean_vals#求斜方差#rowvar &＃61; False,如果不指定False那么会对行进行斜方差计算&＃xff0c;# 而这里我需要对列进行斜方差进行计算cov_mat &＃61; np.cov(mid,rowvar&＃61;False)#引入线性计算的包from scipy import linalg#求斜方差的特征值和特征向量eig_vals,eig_vects &＃61; linalg.eig(np.mat(cov_mat))#取出最大值所对应的特征向量,得到排序后的索引eig_val_index &＃61; np.argsort(eig_vals)#取最大的eig_val_index &＃61; eig_val_index[:-(n_components&＃43;1):-1]#取出特征向量eig_vects &＃61; eig_vects[:,eig_val_index]#利用矩阵乘法low_dim_mat &＃61; np.dot(mid,eig_vects)#返回转换后的矩阵转换后的特征值return low_dim_mat,eig_valsdata &＃61; np.array([np.array([2.5,0.5,2.2,1.9,3.1,2.3,2,1,1.5,1.1]),np.array([2.4,0.7,2.9,2.2,3.0,2.7,1.6,1.1,1.6,0.9])]).T
print(myPCA(data,n_components&＃61;1))

 运行结果如下&＃xff1a;