Bagaimana cara memproyeksikan titik baru ke basis baru menggunakan atribut 'components_' PCA dari paket sklearn.decomposition?

Saya memiliki beberapa titik data dengan 3 koordinat dan menggunakan fungsi PCA saya mengubahnya menjadi titik yang memiliki 2 koordinat dengan melakukan ini

import numpy as np
from sklearn.decomposition import PCA
X = np.array([[-1, -1, -3], [-2, -1, -1], [-3, -2, -2], [1, 1, 1], [2, 1, 5], [3, 2, 6]]) #data
pca = PCA(n_components=2)
pca.fit(X)
PCA(copy=True, n_components=2, whiten=False)
XT = pca.fit_transform(X)
print XT
#output obtained
#[[-4.04510516 -1.24556106]
#[-2.92607624  0.61239898]
#[-4.55000611  1.13825234]
#[ 0.81687144 -1.11632484]
#[ 4.5401931   0.56854397]
#[ 6.16412297  0.04269061]]

Saya mendapatkan sumbu utama di ruang fitur, mewakili arah varian maksimum dalam data menggunakan atribut 'components_'

W = (pca.components_)
print W
# output obtained
#[[ 0.49508794  0.3217835   0.80705843]
# [-0.67701709 -0.43930775  0.59047148]]

Sekarang saya ingin memproyeksikan titik pertama [-1, -1, -3] (yang merupakan titik pertama di X) ke subruang 2D menggunakan atribut 'components_' dengan melakukan ini

projectedXT_0 = np.dot(W,X[0])
print projectedXT_0
#output obtained
#[-3.23804673 -0.65508959]

#expected output
#[-4.04510516 -1.24556106] 

Saya tidak mendapatkan apa yang saya harapkan, jadi jelas saya melakukan kesalahan saat menghitung projectedPoint menggunakan atribut 'components_'. Mohon tunjukkan penggunaan atribut 'components_' untuk mendapatkan proyeksi suatu titik.

CATATAN: Saya tahu fungsi 'transform' melakukan ini tetapi saya ingin menggunakan atribut 'components_'.


person Ashwin D V    schedule 30.12.2015    source sumber


Jawaban (1)


Anda lupa mengurangi meannya.

Lihat sumber transformasi pca:

if self.mean_ is not None:
    X = X - self.mean_
X_transformed = fast_dot(X, self.components_.T)
if self.whiten:
    X_transformed /= np.sqrt(self.explained_variance_)
return X_transformed
person lejlot    schedule 30.12.2015