Python - 主成分分析 (PCA) 错误

Question

我正在尝试使用 python 进行主成分分析 (PCA)。这是我的代码：

import os
from PIL import Image
import numpy as np
import glob
from matplotlib.mlab import PCA

#Step1: put database images into a 3D array
filenames = glob.glob('C:\\Users\\Karim\\Downloads\\att_faces\\New folder/*.pgm')
filenames.sort()
img = [Image.open(fn).convert('L') for fn in filenames]
images = np.dstack([np.array(im) for im in img])    

# Step2: create 2D flattened version of 3D input array
d1,d2,d3 = images.shape
b = np.zeros([d1,d2*d3])
for i in range(len(images)):
  b[i] = images[i].flatten()

#Step 3: PCA
results = PCA(b)
results.Wt

但我收到一个错误RuntimeError: we assume data in a is organized with numrows>numcols

我尝试用b = np.zeros([d2*d3, d1]) 替换b = np.zeros([d1,d2*d3]) 我得到ValueError: could not broadcast input array from shape (2760) into shape (112)

谁能帮帮我？

Answer 1

如果您更改为b = np.zeros([d2*d3, d1])，您还应该在之后更改循环，否则您尝试将d1 维度数组放入d2*d3 一个。

你应该摆脱这样做的第二个错误

你可以简单地转置b

# Step2: create 2D flattened version of 3D input array
d1,d2,d3 = images.shape
b = np.empty([d1,d2*d3])  #if you know that you are filling the whole array it's faster that using np.zeros or np.ones
for i, im in enumerate(images): 
    b[i,:] = im.flatten()

#Step 3: PCA
results = PCA(b.T)

我还用我认为更好的版本替换了您的 for 循环：在您的实现中，您首先找到 images 的维度，在其上创建整数循环列表，然后重新访问 images。 enumerate 返回带有一对（索引，值）的迭代器。优点是它只返回您需要的元素，然后您不必在循环中直接访问images。

可能你也不需要创建images，但我不知道PIL，所以我无法帮助你。在这种情况下，您可以简单地使用类似

的方式获取尺寸

d1,d2,d3 = len(img), img[0].shape

---

编辑

如果你愿意，你也可以在阅读文件时将文件的内容转换为 numpy。

据记录，这是numpy.asarray。