利用PCA方法计算原始数据集与转换数据集之间的数据丢失

Question

我在Python中使用sklearn来进行主成分分析。在

用我的原始数据和另一个u的数据进行比较。在

代码是这样的：

pca4 = PCA(n_components=4)
pca4.fit(parkinsonData)
scores4=pca.transform(parkinsonData)
reconstruct4=pca.inverse_transform(scores4)

为了计算原始数据和重建数据之间的差异，我做了以下工作：

^{pr2}$

现在我有了差异，但我想计算失去了尊重原始数据集的数据。为了做到这一点，我想计算原始数据集和重建数据集的每个元素之间由2表示的差异的平均值。在

在上一条语句中，我计算了原始数据集的每个元素与重建数据集元素之间的差异，但现在我必须计算幂。我不知道该怎么做，因为当我使用：

power=differenceMatrix**

我得到一个错误：这个矩阵不是正方形的。在

为了解决这个问题我用

np.power(differenceMatrix,differenceMatrix)

它是有效的，但有些元素是不存在的。我知道这是由于缺少方形。在

有人知道如何解决这个问题，并用PCA计算原始数据集和转换数据集之间丢失的数据吗？在

谢谢。在

Answer 1

要将矩阵的每个元素平方（我猜这就是“由2驱动”的意思），请使用：

np.square(differenceMatrix)

这在元素方面有效，并且不限制您使用方形矩阵。矩阵中的NaN在输出中作为NaN返回。在