我有一套＆＃34; 2维＆＃34;我必须使用PCA分解研究的数据。 作为第一步，我尝试使用matplotlib.mlab库：
import numpy as np
from matplotlib.mlab import PCA
data = np.loadtxt("Data.txt")
result = PCA(data)
#....
正如您所看到的，结果不是最佳的。因此，我尝试使用sklearn.decomposition库执行相同的操作：
import numpy as np
from sklearn.decomposition import PCA
data = np.loadtxt("Data.txt")
pca = PCA(n_components=2,whiten=True)
pca.fit(data)
结果这段时间要好得多：sklearn attempt
我真的不希望这两个库之间的结果差异很大。我的问题是：我的结果有如此大的差异的可能原因是什么？
答案 0 :(得分：1)
一如既往地提出不可复制的问题（<?php
$test=mysql_query("SELECT * FROM siteler");
$sayi=mysql_num_rows($test);
$deneme=mysql_fetch_row($test);
?>
<div class='container'>
<div class='row'>
<?php
while ($deneme=mysql_fetch_assoc($test)) {
extract($deneme);
echo "<div class='col-md-3 col-sm-6 col-xs-12 back-colour'>
<p>$site_name </p>
<p>$site_info </p>
<p>$site_ref </p>
<p>$bet_turu </p>
</div>";
}
?>
</div>
</div>
）：让我们猜猜！
我在这里猜测，在matplotlib的情况下，你绘制的PCA轴是标准数据，但确实绘制了原始数据（显然不是以平均值为中心，仅作为轴上的正值）。 / p>
所以：
