如何将 PCA 降维应用于 3D 矩阵？

【问题标题】：How can I apply PCA dimensionality reduction to a 3D matrix?如何将 PCA 降维应用于 3D 矩阵？
【发布时间】：2020-06-25 20:31:20
【问题描述】：

我想在 3D 矩阵 (69,2640,7680) 上应用 PCA 降维。我有 69 个二维矩阵，每个矩阵都有一个大小（2640,7680）。我想在这些矩阵上应用 PCA 作为 3D 矩阵（69,2640,7680）。我不知道该怎么做。

任何帮助将不胜感激。

代码：

    data=np.load('Normal_windows.npy')
    pca = PCA(n_components=1000)
    pca.fit(data)
    data_pca = pca.transform(data)
    print("original shape:   ", data.shape) ##(69,2640,7680)
    print("transformed shape:", data_pca.shape)

【问题讨论】：

标签： python numpy matrix 3d pca

【解决方案1】：

如果我理解正确，您有 69 个具有 (2640,7680) 个特征的项目，PCA 可以处理特征，对吗？

如果是这种情况，那么您可以展平最后两个维度（例如：

data_2d = np.array([features_2d.flatten() for features_2d in data])
pca = PCA(n_components=1000)
pca.fit(data_2d)
data_pca = pca.transform(data_2d)
print("original shape:   ", data_2d.shape) ##(69,2640*7680)
print("transformed shape:", data_pca.shape)

【讨论】：

我的语法无效data_2d = np.array((features_2d.flatten() for features_2d in data])
用np.array([替换np.array((