使用python的主成分分析（PCA）计算平均值答案

【问题标题】：Principal component analysis (PCA) compute mean using python使用python的主成分分析（PCA）计算平均值
【发布时间】：2013-03-28 22:15:40
【问题描述】：

我是 python 的初学者，我正在使用 python 实现主成分分析 (PCA)，但我在计算平均值时遇到了问题。这是我的代码：

import Image
import os
from PIL import Image
from numpy import *
import numpy as np


#import images
dirname = "C:\\Users\\Karim\\Downloads\\att_faces\\New folder"
X = [np.asarray(Image.open(os.path.join(dirname, fn))) for fn in os.listdir(dirname)]

#get number of images and dimentions
path, dirs, files = os.walk(dirname).next()
num_images = len(files)
image_file = "C:\\Users\\Karim\\Downloads\\att_faces\\New folder\\2.pgm"
img = Image.open(image_file)
width, height = img.size

print width
print height
print num_images

M = (X-mean(X.T,axis=1)).T # subtract the mean (along columns)

我得到错误：

AttributeError: 'list' object has no attribute 'T'

【问题讨论】：

标签： python numpy face-recognition mean pca

【解决方案1】：

问题在于最后一行中的X.T，因为X 是一个python 列表，而不是numpy.ndarray。目前尚不清楚您要在这里做什么，但如果您想将所有图像数组组合成一个 numpy 数组，您可以在最后一行之前转换 X = np.array(X)。

此外，除非您特别想推出自己的 PCA 实现，否则您可以通过使用 np.cov（用于协方差计算）和 np.linalg.eig（计算协方差矩阵的特征值和特征向量）更轻松地使用 numpy )。

【讨论】：

当我尝试 np.cov(X) 时出现此错误：ValueError：对象未对齐
如果没有看到创建X 的代码，就很难诊断出这个问题。它是一个ndarray吗？如果有，它的形状是什么？我的猜测是 X 不是 ndarray 或者您的图像数组的长度不完全相同。如果图像数组的长度不同，那么在尝试计算协方差时会遇到不同的问题（有或没有 numpy）。
@user2229953 似乎X 是从PIL 图像生成的np.arrays 列表。可能应该对X的每个元素进行分析，而不是np.asarray(X)
stackoverflow.com/questions/17916837/…

【解决方案2】：

images -= np.mean(images, axis=0)

【讨论】：