использование более 2 ПК в PCA

Question

Я хочу использовать алгоритм PCA с нуля, но я хочу уменьшить количество функций 784 примерно до 70 функций, а не 2. То, что я пробовал раньше, это код ниже. В этом коде для части "Выбор k собственных векторов с наибольшими собственными значениями", как я могу выбрать k?

import numpy as np
from sklearn.preprocessing import StandardScaler
import matplotlib.pyplot as plt
import pandas as pd

data_train = pd.read_csv('trainData.csv',header=None)
label_train = pd.read_csv('trainLabels.csv',header=None)

data_train = StandardScaler().fit_transform(data_train)

# OR we can do this with one line of numpy for COV:
cov_mat = np.cov(data_train.T)

# Compute the eigen values and vectors using numpy
eig_vals, eig_vecs = np.linalg.eig(cov_mat)

# Make a list of (eigenvalue, eigenvector) tuples
eig_pairs = [(np.abs(eig_vals[i]), eig_vecs[:,i]) for i in range(len(eig_vals))]

# Sort the (eigenvalue, eigenvector) tuples from high to low
eig_pairs.sort(key=lambda x: x[0], reverse=True)
for i in eig_pairs:
    print(i[0])

#Choosing k eigenvectors with the largest eigenvalues    
matrix_w = np.hstack((eig_pairs[0][1].reshape(784,1), eig_pairs[1][1].reshape(784,1)))
print('Matrix W:\n', matrix_w)
transformed = matrix_w.T.dot(data_train.T)

Answer 1

Посмотрите, как создается matrix_w.Функция h_stack берет кортеж из массивов и размещает их горизонтально.То, что вы хотите сделать, это создать кортеж, который содержит собственные векторы k наибольших собственных значений и создать матрицу:

eigenvectors = tuple([eig_pairs[i][1].reshape(784,1) for i in range(k)])
matrix_w = np.hstack(eigenvectors)