【发布时间】:2013-12-17 14:00:07
【问题描述】:
我需要在最佳拟合 2d 平面中以 2d (x,y) 方式分析 3d 曲线,其中原始 3d 曲线可能覆盖最大的区域。
鉴于: 2 组数据点 (x,y,z),形成任意 3D 曲线。
有: 使用最小二乘平面拟合计算 2 个表面平面
需求: 1)每个原始数据集的数据点投影到相应的最小二乘拟合平面上 2) 投影数据点转换为二维 XY 平面,用于在最合适平面的上下文中对原始曲线进行二维分析。
知道如何获得这个吗?我认为第一步应该是将每个原始数据点正交投影到计算平面上——对吗?
但我不知道如何将这些东西从那里转换为 2D 几何图形,我将在其中处理 (x,y) 数据点?
下图为原始数据图(红蓝曲线)及其计算平面(红蓝面)
【问题讨论】:
-
您是否只需要以最能捕捉方差的方式降低一组点的维数?听起来您正在尝试重新发明PCA
-
同意 goncalopp - 您只需将 PCA 应用于您的数据集并获得 2 个第一个组件
-
goncalop - 是的,就是这样!所以我只需要我的原始数据集并将 PCA 应用于它?不需要我做的飞机和其他东西?
标签: python numpy matplotlib linear-algebra pca