当前位置: 首页>>代码示例>>Python>>正文


Python PCA.mean方法代码示例

本文整理汇总了Python中sklearn.decomposition.PCA.mean方法的典型用法代码示例。如果您正苦于以下问题:Python PCA.mean方法的具体用法?Python PCA.mean怎么用?Python PCA.mean使用的例子?那么, 这里精选的方法代码示例或许可以为您提供帮助。您也可以进一步了解该方法所在sklearn.decomposition.PCA的用法示例。


在下文中一共展示了PCA.mean方法的2个代码示例,这些例子默认根据受欢迎程度排序。您可以为喜欢或者感觉有用的代码点赞,您的评价将有助于系统推荐出更棒的Python代码示例。

示例1: test_randomized_pca_check_list

# 需要导入模块: from sklearn.decomposition import PCA [as 别名]
# 或者: from sklearn.decomposition.PCA import mean [as 别名]
def test_randomized_pca_check_list():
    # Test that the projection by randomized PCA on list data is correct
    X = [[1.0, 0.0], [0.0, 1.0]]
    X_transformed = PCA(n_components=1, svd_solver="randomized", random_state=0).fit(X).transform(X)
    assert_equal(X_transformed.shape, (2, 1))
    assert_almost_equal(X_transformed.mean(), 0.00, 2)
    assert_almost_equal(X_transformed.std(), 0.71, 2)
开发者ID:tguillemot,项目名称:scikit-learn,代码行数:9,代码来源:test_pca.py

示例2: get_bold_signals

# 需要导入模块: from sklearn.decomposition import PCA [as 别名]
# 或者: from sklearn.decomposition.PCA import mean [as 别名]
def get_bold_signals (image, mask, TR, 
                      normalize=True, 
                      ts_extraction='mean', 
                      filter_par=None, 
                      roi_values=None):
    '''
    Image and mask must be in nibabel format
    '''
    
    mask_data = np.int_(mask.get_data())
    if roi_values == None:
        labels = np.unique(mask_data)[1:]
    else:
        labels = np.int_(roi_values)
    
    final_data = []
    #print labels
    for v in labels[:]:
        #print str(v)
        data = image.get_data()[mask_data == v]
        
        if normalize == True:
            data = zscore(data, axis = 1)
            data[np.isnan(data)] = 0

        if ts_extraction=='mean':
            #assert np.mean(data, axis=0) == data.mean(axis=0)
            data = data.mean(axis=0)
        elif ts_extraction=='pca':
            if data.shape[0] > 0:
                data = PCA(n_components=1).fit_transform(data.T)
                data = np.squeeze(data)
            else:
                data = data.mean(axis=0)
                
        ts = TimeSeries(data, sampling_interval=float(TR))
        
        if filter_par != None:
            
            upperf = filter_par['ub']
            lowerf = filter_par['lb']
            
            F = FilterAnalyzer(ts, ub=upperf, lb=lowerf)
            
            ts = TimeSeries(F.fir.data, sampling_interval=float(TR))
            
            del F
        
        final_data.append(ts.data)

    del data
    del mask_data
    del ts
    return TimeSeries(np.vstack(final_data), sampling_interval=float(TR))
开发者ID:robbisg,项目名称:mvpa_itab_wu,代码行数:56,代码来源:connectivity.py


注:本文中的sklearn.decomposition.PCA.mean方法示例由纯净天空整理自Github/MSDocs等开源代码及文档管理平台,相关代码片段筛选自各路编程大神贡献的开源项目,源码版权归原作者所有,传播和使用请参考对应项目的License;未经允许,请勿转载。