以下是2631天前的记录
SVD
1 2017年02月14日 星期二
喜欢
SVD的效果到底如何呢?
互联网 (0)机器学习中常用的降维方法是主成分分析 n = len a = np.zeros count = curSum = 0k = 0while curSum uk = u[:, k].reshape vk = v[k].reshape a += sigma[k] * np.dot curSum += sigma[k]k += 1print 'k:',ka[a a[a > 255] = 255#按照*近距离取整数,并设置参数类型为uint8return np.rint if __name__ == '__main__':img = Image.open a = np.array for p in np.arange R = rebuild_img u, sigma, v = np.linalg.svd G = rebuild_img u, sigma, v = np.linalg.svd B = rebuild_img I = np.stack #保存图片在img文件夹下Image.fromarray 效果一共10张图,从上到下奇异值和占比为[0.1, 0.2, …, 0.9, 1.0],奇异