[問題] PCA

[TampaBayRays (光芒今年拿冠軍)]

問題類別: ML 將MINST data set PCA降維

使用工具: python numpy scikit-learn

問題內容: 想請問各位大大，如果實做完PCA之後，

          用scikit-learn比對是否正確，結果發現座標都差一個負號，

          請問可能是什麼原因呢？

          這個是我做出的結果

          https://imgur.com/KRY3oWp

          這個是scikit-learn的結果

          https://imgur.com/49I5gzF

          以下是我的程式碼 data是5000x784維的矩陣(5000個784pixel的數字)

          mean=ml.repmat(np.mean(self.data,axis=0),self.data.shape[0],1)
          X=self.data-mean
          U,_,_=np.linalg.svd(np.transpose(X))
          self.projection=np.dot(self.data,U[:,:2])

          簡單來說就是把data的平均平移到0，然後對他做SVD，

          取出最大的兩個eigenvector後將資料投影上去，

          下面是我scikit-learn的程式碼

          pca=PCA(n_components=2)
          self.projection=pca.fit_transform(self.data)

          請問問題可能出在哪呢？

          感謝～

--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 218.161.71.119 (臺灣)
※ 文章網址: https://www.ptt.cc/bbs/DataScience/M.1559754447.A.CBC.html
→ ice80712: sklearn的pca有正規化嗎
→ ice80712: 有沒有正規化 pca結果有差
沒有欸，我是直接把data set丟進去
我試試！
推 krusnoopy: 沒什麼問題 差在SVD分解的eigenvector差負號沒關係
→ QingTing: 推樓上 正負號差沒關係
其實我也覺得沒關係，只是好奇為什麼會跟scikit-learn的結果不一樣
※ 編輯: TampaBayRays (140.113.207.57 臺灣), 06/06/2019 14:05:50
推 jigfopsda: https://tinyurl.com/y4eevakc for deterministic out
原來是這樣！感謝～
推 zxp9505007: 特徵向量方向的問題而已 你的結果是對的
※ 編輯: TampaBayRays (36.229.138.132 臺灣), 06/07/2019 13:34:54
推 nickchen0304: 正負號是沒有關係的