使用 Python 进行 PCA 分析和绘图答案

【问题标题】：PCA Analysis and Plotting with Python [duplicate]使用 Python 进行 PCA 分析和绘图
【发布时间】：2012-11-20 02:21:28
【问题描述】：

可能重复：
PCA Analysis with Python

我有这个data，它的尺寸是 1940 x 4。它的行是读数或样本，而它的列是变量（温度、湿度、风速和压力）。我想进行 PCA 分析并使用 Python 绘制其结果。情况是，我最终得到了一些技术和示例，但我不确定如何利用它们以及即使我得到 PCA 结果该做什么。所以，我在这里寻找一个代码示例，通过它我可以在这种数据集上用 Python 实现 PCA 分析，以及了解如何解释 PCA 结果以及如何绘制它们。最后，如何解释图。非常感谢。

【问题讨论】：

stackoverflow.com/questions/1730600/…
E 先生的评论应该会有所帮助。此外，您的previous question 似乎得到了一些非常可靠的答案（我不确定这个问题有什么不同。）
我看过这个例子..它说这就是你如何绘制你的 PCA..我需要知道我应该如何绘制以及在 PCA 结果中绘制什么以及如何正确解释它们..:(
你想要PCA做什么，因为你的数据只有4维，你还想减少维度吗？
确保在某些纯文本编辑器中打开数据文件，在 excel 中的 b/c 看起来很吓人。

标签： python numpy matplotlib scipy pca

【解决方案1】：

主成分分析对于降低数据集的维度很有用。由于您的数据仅包含四个变量并且（据我所知）它们不相关，因此我不希望 PCA 对任何实际分析有价值。

如果我错了，并且您真诚地期望某些变量是相关的，您可以使用 PCA 来识别捕获大部分典型协方差的最重要的 4 向量。这些是协方差矩阵的特征向量。需要四个这样的向量才能完全跨越与输入变量相同的空间。

在测量大量变量且存在大量相互信息的系统中，PCA 可识别独立信息的重要位。我认为您的系统不是这种情况。

【讨论】：