环境为winpython 32bit 2.7.5.3



p = PCA()

print u"均值化后的数据集为：",p.dataset( H:\\PCA_test.txt )

print u"协方差矩阵为：",p.COV()

print u"特征向量为：",p.eig_vector()[1]

tt = p.pc(dim=1)

print "tt:",tt

print u"新的维度数据集",tt[1]-　　"""

　　Principal components analysis,PCA,COV,eig,eig vector

　　Parameters¶ :

　　　　path：数据集的存放路径

　　　　dim : 数据降维后的维度数

　　Attribute:

　　　　means_data : 原数据- 原数据均值化

　　　　m : 数据集的行数

　　　　n ：数据集的列数

　　　　cov_matrix : 协方差矩阵

　　　　eig_vectors : 协方差矩阵的特征向量

　　　　eig_value : 协方差矩阵求得的特征值

　　　　cum_P : 排序后的特征值, 累积百分比计算

　　Method:

　　　　PCA.dataset():数据集导入, return：means_data,array(m,n)

　　　　PCA.cov_matrix:协方差矩阵计算, retrn:cov_matrix,array(n,n)

　　　　PCA.eig_vector:特征值和特征向量计算, return:(eig_value, eig_vectors),(array(1xn),array(n,n))

　　　　PCA.pc:降维后的数据集计算, return:data_rescaled,array(m,dim), defaut:dim=2

　　"""