fastPCA 의 python 구현
```python
'''
fastPCA python
'''
import numpy as np
import heapq
def fastPCA(A, k):
r, c = A.shape
meanVec = np.mat(np.mean(A, axis=0))
Z = (A - np.tile(meanVec, (r, 1)))
covMatT = np.matmul(Z, Z.T)
D, V = np.linalg.eig(covMatT)
# D = np.mat(D)
temp = np.unique(heapq.nlargest(k, D))
indx = np.argwhere(D >= temp[0]).T.flatten()
D = D[indx]
D = np.diag(D)
V = V[:, indx]
V = Z.T * V
for i in range(k):
V[:, i] = V[:, i]/np.linalg.norm(V[:, i])
pcaA = Z * V
return pcaA, V
'디지털 이미지 처리 와 기계 시각' 의 'PCA 기반 얼굴 특징 추출' 을 참고 한다.
이 내용에 흥미가 있습니까?
현재 기사가 여러분의 문제를 해결하지 못하는 경우 AI 엔진은 머신러닝 분석(스마트 모델이 방금 만들어져 부정확한 경우가 있을 수 있음)을 통해 가장 유사한 기사를 추천합니다:
Python의 None과 NULL의 차이점 상세 정보그래서 대상 = 속성 + 방법 (사실 방법도 하나의 속성, 데이터 속성과 구별되는 호출 가능한 속성 같은 속성과 방법을 가진 대상을 클래스, 즉 Classl로 분류할 수 있다.클래스는 하나의 청사진과 같아서 하나의 ...
텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
CC BY-SA 2.5, CC BY-SA 3.0 및 CC BY-SA 4.0에 따라 라이센스가 부여됩니다.