:art PCA主成分分析

Author: lawlite19

PCA/PCA.py

@@ -0,0 +1,44 @@
+#-*- coding: utf-8 -*-
+# Author: Bob
+# Date:   2016.11.24
+import numpy as np
+from matplotlib import pyplot as plt
+from scipy import io as spio
+
+'''
+主成分分析运行方法
+'''
+def PCA():
+    data_2d = spio.loadmat("data.mat")
+    X = data_2d['X']
+    plot_data_2d(X) # 显示二维的数据
+    X_copy = X.copy()
+    X_norm,mu,sigma = featureNormalize(X_copy)    # 归一化数据
+    plot_data_2d(X_norm)    # 显示归一化后的数据
+    
+    
+    
+
+
+# 可视化二维数据
+def plot_data_2d(X):
+    plt.plot(X[:,0],X[:,1],'bo')
+    plt.show()
+
+# 归一化数据
+def featureNormalize(X):
+    '''（每一个数据-当前列的均值）/当前列的标准差'''
+    n = X.shape[1]
+    mu = np.zeros((1,n));
+    sigma = np.zeros((1,n))
+    
+    mu = np.mean(X,axis=0)
+    sigma = np.std(X,axis=0)
+    for i in range(n):
+        X[:,i] = (X[:,i]-mu[i])/sigma[i]
+    return X,mu,sigma
+
+
+
+if __name__ == "__main__":
+    PCA()

PCA/data.mat

@@ -750,8 +750,6 @@ def predict(Theta1,Theta2,X):
  - 最后`10`步之后的聚类中心  
  ![enter description here][36]
 
-- 
-
 - 计算每条数据到哪个中心最近实现代码：
 ```
 # 找到每条数据距离哪个类中心最近