锐客网

  1. 首页 > 睿知 > it技术 > >

pythoneig函数 python @函数

IT技术数据

生成一个12阶随机非负方阵，计算方阵所对应的行列式的最小余子式？Python 中，可以使用 NumPy 库来生成随机数组并进行矩阵运算 。
首先，可以使用 numpy.random.rand 函数生成一个12阶的随机非负方阵：
import numpy as np
A = np.random.rand(12, 12)
然后，可以使用 numpy.linalg.eig 函数求出矩阵的特征值：
Copy codeeigenvalues, eigenvectors = np.linalg.eig(A)
如果矩阵的特征值是对角线上的元素，那么它就是相似于对角阵 。
计算方阵所对应的行列式的最小余子式，可以使用 numpy.linalg.det 函数计算行列式，然后枚举所有可能的余子式并取最小值：
Copy codedef min_cofactor(A):
determinant = np.linalg.det(A)
min_cofactor = float('inf')
for i in range(A.shape[0]):
for j in range(A.shape[1]):
cofactor = np.linalg.det(np.delete(np.delete(A, i, axis=0), j, axis=1))
min_cofactor = min(min_cofactor, cofactor)
return min_cofactor
最后，每列选取一个元素，使相邻三列的和最小，可以枚举所有的列并求出和的最小值：
Copy codedef min_sum(A):
min_sum = float('inf')for i in range(A.shape[1] - 2):
column_sum = A[:,i] + A[:,i+1] + A[:,i+2]
min_column_sum = min(column_sum)
min_sum = min(min_sum, min_column_sum)return min_sum
希望以上答案能够帮到你 。
python pca怎么得到主成份一般步骤来实现PCA算法
（1）零均值化
假如原始数据集为矩阵dataMat，dataMat中每一行代表一个样本，每一列代表同一个特征 。零均值化就是求每一列的平均值，然后该列上的所有数都减去这个均值 。也就是说 ， 这里零均值化是对每一个特征而言的，零均值化都，每个特征的均值变成0 。实现代码如下：
[python] view plain copy
def zeroMean(dataMat):
meanVal=np.mean(dataMat,axis=0)#按列求均值，即求各个特征的均值
newData=https://www.04ip.com/post/dataMat-meanVal
return newData,meanVal
函数中用numpy中的mean方法来求均值，axis=0表示按列求均值 。
该函数返回两个变量，newData是零均值化后的数据，meanVal是每个特征的均值，是给后面重构数据用的 。
（2）求协方差矩阵
[python] view plain copy
newData,meanVal=zeroMean(dataMat)
covMat=np.cov(newData,rowvar=0)
numpy中的cov函数用于求协方差矩阵，参数rowvar很重要！若rowvar=0，说明传入的数据一行代表一个样本，若非0，说明传入的数据一列代表一个样本 。因为newData每一行代表一个样本 ， 所以将rowvar设置为0 。
covMat即所求的协方差矩阵 。
（3）求特征值、特征矩阵
调用numpy中的线性代数模块linalg中的eig函数 ， 可以直接由covMat求得特征值和特征向量：
[python] view plain copy
eigVals,eigVects=np.linalg.eig(np.mat(covMat))
eigVals存放特征值，行向量 。
eigVects存放特征向量 ， 每一列带别一个特征向量 。
特征值和特征向量是一一对应的
（4）保留主要的成分[即保留值比较大的前n个特征]
【pythoneig函数 python @函数】第三步得到了特征值向量eigVals，假设里面有m个特征值，我们可以对其排序，排在前面的n个特征值所对应的特征向量就是我们要保留的，它们组成了新的特征空间的一组基n_eigVect 。将零均值化后的数据乘以n_eigVect就可以得到降维后的数据 。代码如下：
[python] view plain copy
eigValIndice=np.argsort(eigVals)#对特征值从小到大排序
n_eigValIndice=eigValIndice[-1:-(n+1):-1]#最大的n个特征值的下标
n_eigVect=eigVects[:,n_eigValIndice]#最大的n个特征值对应的特征向量
lowDDataMat=newData*n_eigVect#低维特征空间的数据

推荐阅读


上一篇：mysql设置导入最大，mysql导入30g数据

下一篇：长沙银行属于哪个区块链，长沙银行归属于哪个银行