使用Numpy实现PCA

文章预览

点击上方 “ 小白学视觉 ”，选择加" 星标 "或“ 置顶 ” 重磅干货，第一时间送达 作者 | Guillermina Sutter Schneider  编译 | VK  来源 | Towards Data Science PCA是一种常用于处理多重共线性的特征提取方法。在这种情况下，PCA的最大优点是，在应用它之后，每个“新”变量将彼此独立。 本节基于mattbrems的这篇文章:https://towardsdatascience.com/a-one-stop-shop-for-principal-component-analysis-5582fb7e0b。我将一步一步地解释如何只使用numpy（以及使用一点pandas来操作数据帧）来进行PCA。 第1步 首先清理数据集非常重要。因为这不是本文的目标，你可以去仓库看看我做了什么：https://github.com/glosophy/WindPowerForecasting/blob/main/windPowerPCA.ipya 第2步 将数据分为因变量（Y）和特征或自变量（X）。 import  pandas  as  pd features = [ 'WindSpeed' ,  'RotorRPM' ,  'ReactivePower' ,  'GeneratorWinding1Temperature' ,  ………………………………