۶ کیو· متوسطمتوسطPYTHON۴ ثانیه · ۲۵۶ مگابایت

نخستین مؤلفه‌ی اصلی

تابع first_pc(X) نخستین مؤلفه‌ی اصلی ستون‌های $X$ را پیدا می‌کند:

ستون‌ها را مرکزی کنید (فقط میانگین کم شود؛ تقسیم بر انحراف معیار نه).
ماتریس کوواریانس: $S = \tilde X^\top\tilde X/(n - 1)$ .
بردار ویژه‌ی متناظر با بزرگ‌ترین مقدار ویژه‌ی $S$ همان بارهای $\phi_1$ است (طول یک)، و خود مقدار ویژه، واریانس امتیازهای مؤلفه‌ی اول. np.linalg.eigh مقدارهای ویژه را صعودی می‌دهد.
علامت $\phi_1$ دلخواه است؛ برای یکتا شدن، علامت را طوری بگذارید که عضوِ با بزرگ‌ترین قدرمطلق مثبت باشد.

خروجی [variance, phi_1, ..., phi_p] است.

نمونه‌ها

ورودی نمونه ۱

[[[2.37, 2.58], [4.55, 3.64], [1.6, 1.86], [2.45, 2.84], [2.87, 2.9], [3.42, 2.41], [2.95, 4.07], [2.77, 3.25]]]

خروجی نمونه ۱

[0.9995, 0.8132, 0.582]

ورودی نمونه ۲

[[[4.0, 4.1, 4.61], [7.71, 6.98, 5.94], [-0.76, 2.78, 4.53], [1.89, 1.5, 1.89], [3.32, 3.75, 4.19], [2.91, 4.21, 6.01], [3.88, 4.56, 3.93], [2.14, 3.59, 4.57], [3.48, 4.88, 5.99], [4.44, 4.53, 4.3], [2.1, 3.26, 4.38], [1.95, 2.81, 2.64]]]

خروجی نمونه ۲

[6.0481, 0.7791, 0.5301, 0.3345]

برای نوشتن پاسخ و دریافت امتیاز، ابتدا وارد حساب شوید.

ورود