如何计算 50x20 矩阵的类内散点

Question

我正在尝试将一个大维矩阵减少到仅 2D，我正在使用 2D 数组的示例，它有效，但我需要为更高维的散点做同样的事情。我有两个类，每个类都有 50x20 维特征空间的矩阵。对于我的例子，我有这些二维数组：rectangles = np.array([[1,1.5,1.7,1.45,1.1,1.6,1.8],[1.8,1.55,1.45,1.6,1.65,1.7,1.75]])triangles = np.array([[0.1,0.5,0.25,0.4,0.3,0.6,0.35,0.15,0.4,0.5,0.48],[1.1,1.5,1.3,1.2,1.15,1.0,1.4,1.2,1.3,1.5,1.0]])之后我找到了三角形和矩形类的均值# Calculate the mean vectors per classmean_rectangles = np.mean(rectangles,axis=1).reshape(2,1)    mean_triangles = np.mean(triangles,axis=1).reshape(2,1)通过矩形和三角形类给出的值，我用它们来计算散点：scatter_triangles = np.dot((triangles-mean_triangles),(triangles-mean_triangles).T)scatter_circles = np.dot((circles-mean_circles),(circles-mean_circles).T)# Calculate the SW by adding the scatters within classes SW = scatter_triangles+scatter_circles+scatter_rectanglesprint(SW)plt.show()我想知道如何找到类内的散点并以完全相同的方式绘制它们，但对于更大的数据，恰好是 50x20 矩阵？

Answer 1

不幸的是，Numpy 不会将数组广播到列。尝试：

(np.array(c_A_array).T-c_A_array_mean).T

对于所有的减法。

这两个都试过了，我猜第二个更快：

np.array(c_A_array)-c_A_array_mean.reshape((5,1))