程序包 org.hipparchus.stat.projection

类 PCA

java.lang.Object
org.hipparchus.stat.projection.PCA
public class PCA extends Object
主成分分析（PCA）是一种用于降低数据集维度的统计技术。PCA可以被视为对数据进行投影或缩放，以减少维度但保留尽可能多的信息。
从以下版本开始:
3.0

  • 构造器概要

    构造器
    构造器
    说明
    PCA(int numC)
    默认的PCA将进行中心化但不进行缩放。
    PCA(int numC, boolean scale, boolean biasCorrection)
    创建一个具有调整缩放参数能力的PCA。

  • 方法概要

    修饰符和类型
    方法
    说明
    PCA
    fit(double[][] data)
    将我们的模型拟合到数据中，准备进行后续转换。
    double[][]
    fitAndTransform(double[][] data)
    将我们的模型拟合到数据中，然后将其转换为降维后的数据。
    double[]
    getCenter()
    获取拟合数据的按列中心（或均值）。
    double[][]
    getComponents()
    返回我们投影模型的主成分。
    int
    getNumComponents()
    获取主成分的数量。
    double[]
    getVariance()
    获取主成分的方差。
    boolean
    isBiasCorrection()
    检查是否使用缩放（相关性），如果使用，则调整偏差。
    boolean
    isScale()
    检查是否使用缩放（相关性）或不使用缩放（协方差）。
    double[][]
    transform(double[][] data)
    使用我们的投影模型转换提供的数据。

    从类继承的方法 java.lang.Object

    clone, equals, finalize, getClass, hashCode, notify, notifyAll, toString, wait, wait, wait

  • 构造器详细资料

    • PCA

      public PCA(int numC, boolean scale, boolean biasCorrection)
      创建一个具有调整缩放参数能力的PCA。
      参数:
      numC - 主成分的数量
      scale - 是否也进行缩放（相关性）而不仅仅是中心化（协方差）
      biasCorrection - 在进行缩放时是否调整偏差

    • PCA

      public PCA(int numC)
      默认的PCA将进行中心化但不进行缩放。
      参数:
      numC - 主成分的数量

  • 方法详细资料

    • getNumComponents

      public int getNumComponents()
      获取主成分的数量。
      返回:
      主成分的数量

    • isScale

      public boolean isScale()
      检查是否使用缩放（相关性）或不使用缩放（协方差）。
      返回:
      是否使用缩放（相关性）或不使用缩放（协方差）

    • isBiasCorrection

      public boolean isBiasCorrection()
      检查是否使用缩放（相关性），如果使用，则调整偏差。
      返回:
      是否使用缩放（相关性），如果使用，则调整偏差

    • getVariance

      public double[] getVariance()
      获取主成分的方差。
      返回:
      主成分的方差，按从大到小排序，这些方差是拟合数据的协方差或相关性矩阵的特征值

    • getCenter

      public double[] getCenter()
      获取拟合数据的按列中心（或均值）。
      返回:
      拟合数据的按列中心（或均值）

    • getComponents

      public double[][] getComponents()
      返回我们投影模型的主成分。这些是我们协方差/相关性矩阵的特征向量。
      返回:
      主成分

    • fitAndTransform

      public double[][] fitAndTransform(double[][] data)
      将我们的模型拟合到数据中，然后将其转换为降维后的数据。
      参数:
      data - 输入数据
      返回:
      拟合后的数据

    • transform

      public double[][] transform(double[][] data)
      使用我们的投影模型转换提供的数据。
      参数:
      data - 输入数据
      返回:
      拟合后的数据

    • fit

      public PCA fit(double[][] data)
      将我们的模型拟合到数据中，准备进行后续转换。
      参数:
      data - 输入数据
      返回:
      this