PCA算法Python实现

源代码：

 #-*- coding: UTF-8 -*-
 from numpy import *
 import numpy
 def pca(X,CRate):
     #矩阵X每行是一个样本
      #对样本矩阵进行中心化样本矩阵
      meanValue=mean(X,axis=0)#计算每列均值
      X=X-meanValue#每个维度元素减去对应维度均值
      #协方差矩阵
      C=cov(X,rowvar=0)
      #特征值，特征向量
      eigvalue,eigvector=linalg.eig(mat(C))#特征值，特征向量
      #根据贡献率，来决定取多少个特征向量构成变换矩阵
      sumEigValue=sum(eigvalue)#所有特征值之和
      sortedeigvalue= numpy.sort(eigvalue)[::-1]    #对特征值从大到小排序
      for i in range(sortedeigvalue.size):
         j=i+1
         rate=sum(eigvalue[0:j])/sumEigValue
          if rate>CRate:
             break
      #取前j个列向量构成变换矩阵
      indexVec=numpy.argsort(-eigvalue)    #对covEigenVal从大到小排序，返回索引
      nLargestIndex=indexVec[:j] #取出最大的特征值的索引
      T=eigvector[:,nLargestIndex] #取出最大的特征值对应的特征向量
      newX=numpy.dot(X,T)#将X矩阵降维得到newX
      return newX,T,meanValue#返回降维后矩阵newX，变换矩阵T，每列的均值构成的数组