主成分分析 (PCA)

这是一个用于执行主成分分析 (PCA) 的 Rust 库。它支持

• 在数据矩阵上拟合 PCA 模型
• 将数据投影到 PCA 空间
• 指定方差解释容忍度以减少维度

实现遵循 R 的 prcomp，应提供等效结果，但可能因数值稳定性和组件符号的不确定性而略有差异。测试确认了一致性。《PCA 是通过 SVD 获得的》.PCA 是通过 SVD 获得的.

用法

use pca::PCA;
use ndarray::array;

// Create PCA instance
let mut pca = PCA::new(); 

// Input data 
let x = array![[1.0, 2.0], 
               [3.0, 4.0]];

// Fit PCA model                
pca.fit(x.clone(), None).unwrap();

// Project data
let transformed = pca.transform(x).unwrap();

fit() 方法计算 PCA 旋转矩阵、均值和缩放因子。它接受输入数据和可选的方差解释容忍度阈值，以删除低解释能力的 PC。

transform() 方法应用 PCA 旋转，将新数据投影到 PCA 空间。

安装

使用 cargo add pca 获取最新版本。

作者

Erik Garrison [email protected]

许可证

本项目采用 MIT 许可证 - 请参阅 LICENSE 文件以获取详细信息。