如何解决numpy 特征向量和特征值没有意义
抱歉,可能主题太强了?但它让我的小脑袋发疯..请看下面的代码
import numpy as np
from scipy.spatial import distance
test1 = [
[1006,424,1203,462],[1288,423,1429,461],[1004,266,1193,304],[171,1226,247,1263],[316,1224,556,1262],[909,1222,1398,1268],[1634,1796,1260],[732,583,1058,628],]
test2 = [
[1188,455,1340,498],[1188,516,1285,558],'NA',[85,1137,119,1171],[305,1138,505,1176],[1060,1136,1113,1175],[1463,1135,1549,1169],[966,781,1114,817]
]
n = len( test1 )
square_matrix = np.zeros((n,n))
for i in range(len(square_matrix)):
for j in range(len(square_matrix[i])):
square_matrix[i][j] = 10 # default value if NA else,0 gives wrong meaning
for i in range(len(test1)):
for j in range(len(test1)):
square_matrix[i][j] = distance.euclidean(test1[i],test1[j])
print( square_matrix )
from numpy import linalg as LA
w0,v0 = LA.eig( square_matrix )
print('---------------------')
print( w0 )
print('---------------------')
print( v0 )
print('baigan test')
print( np.matmul( square_matrix,v0[0] ) )
print( w0[0]*v0[0] )
print('baigan test2')
print( np.matmul( square_matrix,v0[1] ) )
print( ( w0[1]*v0[1] ) )
假设每个特征值和特征向量都需要满足条件 A x X = W x X 其中 A 是输入方阵,W 是特征值,X 是向量
我测试了相同的东西,它绝对不一样(下面 "baigan test" print) ..请随意执行并亲自查看。我的理解缺少什么,因为我确定 numpy 是金色的(严重..)
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。