[英]Differences between mlab PCA and sklearn PCA
我有一組必須使用PCA分解研究的“二維”數據。 第一步,我嘗試使用matplotlib.mlab庫:
import numpy as np
from matplotlib.mlab import PCA
data = np.loadtxt("Data.txt")
result = PCA(data)
#....
然后,我將“ Data.txt”的散布圖與mlab找到的主要成分(存儲在result.Wt中)進行了比較。 結果如下: mlab嘗試
如您所見,結果不是最佳的。 因此,我嘗試使用sklearn.decomposition庫執行相同的操作:
import numpy as np
from sklearn.decomposition import PCA
data = np.loadtxt("Data.txt")
pca = PCA(n_components=2,whiten=True)
pca.fit(data)
這次的結果要好得多: sklearn嘗試
我真的沒想到這兩個庫之間的結果會有如此大的差異。 那么我的問題是:結果有如此大差異的可能原因是什么?
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.