PCA 在 3D numpy 数组上的实现

Question

我有一个大小为 2240*5*16 的特征集。 2240 是样本数，5 表示通道数，16 表示提取的统计特征数，例如均值、方差等。现在，我想申请PCA。但是，PCA 适用于二维数组。我应用了以下代码：

from sklearn.decomposition import PCA
pca = PCA(n_components=5)
pca.fit(features)

我收到以下错误。

ValueError: Found array with dim 3. Estimator expected <= 2.

不支持axis参数。由于它仅适用于 2D，我如何在我的案例 (3D) 上使用它？如果我想将尺寸从 2240*5*16 减小到 2240*5*5，有什么建议吗？

Answer 1

我会遍历每个通道并分别进行 PCA。

import numpy as np
from sklearn.decomposition import PCA

X = np.random.rand(1000, 5, 10)

X_transform = np.zeros((X.shape[0], 5, 5))
for i in range(X.shape[1]):

    pca = PCA(n_components=5)
    f  = pca.fit_transform(X[:, i, :])

    X_transform[:, i, :] = f

print((X_transform.shape))

PCA 在 3D numpy 数组上的实现

PCA implementation on 3D numpy array

python

arrays

numpy

pca

scikit-learn