从UCI机器学习资源库中下载Musk数据集。在此数据集上分别使用PCA和SVD方法进行特征提取，并报告获得的特征值以及特征向量结果，对数据属性进行分析，使用盒图分别对获得的最优属性进行分析和对比。
import pandas as pd
import os
from numpy import *
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sbn
sbn.set(color_codes = True)
plt.rcParams['axes.unicode_minus'] = False
from scipy.stats import kstest
from sklearn.preprocessing import LabelEncoder
from sklearn import preprocessing
import pyecharts
from matplotlib import pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
2023-03-21 21:42:51
1.61MB
1
特征值问题（EVP）
例3 考虑优化问题
其中X是对称正定阵。
根据Schur补，本例中的优化问题等价于
2023-02-28 22:56:41
1.56MB
1
python 聚类 效果图
使用PCA(主成分分析)对四维特征值进行降维并且使用matplotlib进行画图显示聚类效果
使用PCA(主成分分析)对四维特征值进行降维并且使用matplotlib进行画图显示聚类效果
在main.py源代码中修改自己对水果属性(甜度、酸度、水分、脆度)的喜好程度，修改完后执行代码
随机数据集会在Data.csv中生成
会根据数据集进行PCA降维分析和绘图，可以在最后的图表中看出喜欢不喜欢一般般具有明显聚类和区分效果
2023-02-01 15:29:21
9.12MB
1
这篇文章主要介绍了Python箱型图绘制与特征值获取过程解析,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
它主要用于反映原始数据分布的特征，还可以进行多组数据分布特征的比较
如何利用Python绘制箱型图
需要的import的包
import matplotlib.pyplot as plt
from matplotlib.font_manager import FontProperties
import numpy as np
import pandas as pd
该函数是绘制多箱型图，且数据长度不一致的情况，input
2023-01-08 20:12:12
230KB
1
摘要要要本文用QR迭代法求解矩阵A的特征值:第一步先用豪斯荷尔德变换将矩阵A化为上海森伯格矩阵AH，第二步再对AH进行QR迭代(使用吉文斯变换)，当迭代满足精度
2022-12-23 00:37:37
300KB
1
（1）矩阵A拟上三角化
对于实矩阵A 做相似变换化为拟上三角阵，运用相关算法对A进行变换得到拟上三角阵，并存储在A中。
（2）拟上三角阵的QR分解
运用QR分解法对矩阵A进行QR分解，得到Q和R并且最终验证R* Q为一个拟上三角阵。
(3) 带双步位移的QR方法求A的特征值
通过带双步位移的QR方法对A进行分解，求出A的特征值。
（4）通过gauss消去法求A特征值对应的特征向量
运用guass消去法对（A-λI）X = 0 这个式子进行求解，得到特征向量。
2022-12-01 14:24:44
2KB
1