Question

这就是我的尝试：

# Show the eigenspectrum
eigenvalues = pca.explained_variance_
print("The eigenvalues:\n\t", eigenvalues)

idx = eigenvalues.argsort()
print(idx)

plt.plot(idx, color='green', marker='D')
plt.ylabel('Eigenspectrum')
plt.show()

结果的形状是（640,2），但我不断得到的只是一条直线。

有人可以帮忙吗？

添加，我在数据上运行了PCA，并成功绘制了数据的散点图。我不确定如何提取所有特征值，对它们进行排序并放入特征谱。

pca=PCA(n_components=2)
pca.fit(keytrain[:,0:-1])
keytrain_T=pca.transform(keytrain[:,0:-1])

print("Shape of result:", keytrain_T.shape)

# plot the results along with the labels
fig, ax = plt.subplots()
im = ax.scatter(keytrain_T[:, 0], keytrain_T[:, 1], c=y)
fig.colorbar(im);
plt.show()

Answer 1

要获取矩形数组的所有特征值，请使用：

alter session enable parallel dml;

insert /*+ append */ into new_table( col1, col2, text_col, ... )
select col1, col2, REGEXP_REPLACE(...), ... )
from old_table
;

并使用方阵

numpy.linalg.eigvals

如何在python中绘制一个eigenspectrum？

1 个答案: