文档反馈

问题文档片段

问题文档片段包含公式时，显示为空格。

提交类型

issue

有点复杂...

找人问问吧。

请选择提交类型

问题类型

规范和低错类

- 规范和低错类：

- 错别字或拼写错误，标点符号使用错误、公式错误或显示异常。

- 链接错误、空单元格、格式错误。

- 英文中包含中文字符。

- 界面和描述不一致，但不影响操作。

- 表述不通顺，但不影响理解。

- 版本号不匹配：如软件包名称、界面版本号。

易用性

- 易用性：

- 关键步骤错误或缺失，无法指导用户完成任务。

- 缺少主要功能描述、关键词解释、必要前提条件、注意事项等。

- 描述内容存在歧义指代不明、上下文矛盾。

- 逻辑不清晰，该分类、分项、分步骤的没有给出。

正确性

- 正确性：

- 技术原理、功能、支持平台、参数类型、异常报错等描述和软件实现不一致。

- 原理图、架构图等存在错误。

- 命令、命令参数等错误。

- 代码片段错误。

- 命令无法完成对应功能。

- 界面错误，无法指导操作。

- 代码样例运行报错、运行结果不符。

风险提示

- 风险提示：

- 对重要数据或系统存在风险的操作，缺少安全提示。

内容合规

- 内容合规：

- 违反法律法规，涉及政治、领土主权等敏感词。

- 内容侵权。

请选择问题类型

问题描述

点击输入详细问题描述，以帮助我们快速定位问题。

提交

文档反馈

mindspore_gl.utils

utils初始化

mindspore_gl.utils.pca(matrix: np.ndarray, k: int = None, niter: int = 2, norm: bool = False)

对矩阵执行线性主成分分析（PCA），并将返回前k个降维特征。

参数：

• matrix (ndarray) - 输入特征，shape为 $(B,F)$ 。

• k (int, 可选) - 降维的目标维度。默认值：None。

• niter (int, 可选) - 要进行的子空间迭代次数并且必须是非负整数。默认值：2。

• norm (bool, 可选) - 输出是否归一化。默认值：False。

返回：

ndarray，降维后的特征。

异常：

• TypeError - 如果 k 或 niter 不是正整数。

• TypeError - 如果 matrix 不是numpy.ndarry。

• TypeError - 如果 norm 不是bool。

支持平台：

Ascend GPU

样例：

>>> import numpy as np
>>> from mindspore_gl.utils import pca
>>> X = np.array([[-1, 1], [-2, -1], [-3, -2], [1, 1], [2, 1], [3, 2]])
>>> data = pca(X, 1)
>>> print(data)
[[ 0.33702252]
[ 2.22871406]
[ 3.6021826 ]
[-1.37346854]
[-2.22871406]
[-3.6021826 ]]