mindspore_gl.utils

utils初始化

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

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 kniter 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 ]]