添加说明

.vscode/settings.json

@@ -0,0 +1,3 @@
+{
+    "python.pythonPath": "/usr/local/bin/python3.6"
+}

src/python/getting-started/digit-recognizer/dr-python-3.6.py

@@ -32,7 +32,7 @@ def opencsv():
     return trainData, trainLabel, testData
 
 
-# 数据预处理-降维
+# 数据预处理-降维 PCA主成成分分析
 def dRCsv(x_train, x_test, preData, COMPONENT_NUM):
     print('dimensionality reduction...')
     trainData = np.array(x_train)
@@ -65,27 +65,32 @@ def saveResult(result, csvName):
         for r in result:
             index += 1
             myWriter.writerow([index, int(r)])
-
     print('Saved successfully...')  # 保存预测结果
 
 
-# 分析数据
+# 分析数据,看数据是否满足要求（通过这些来检测数据的相关性，考虑在分类的时候提取出重要的特征）
 def analyse_data(dataMat):
-    meanVals = np.mean(dataMat, axis=0) # np.mean 求平均值
+    meanVals = np.mean(dataMat, axis=0) # np.mean 求出每列的平均值meanVals
     meanRemoved = dataMat-meanVals # 每一列特征值减去该列的特征值均值
     #计算协方差矩阵，除数n-1是为了得到协方差的 无偏估计
     #cov(X,0) = cov(X) 除数是n-1(n为样本个数)
     #cov(X,1) 除数是n
-    covMat = np.cov(meanRemoved, rowvar=0) # cov 计算协方差的值
+    covMat = np.cov(meanRemoved, rowvar=0) # cov 计算协方差的值,
+    # np.mat 是用来生成一个矩阵的
+    # 保存特征值(eigvals)和对应的特征向量(eigVects)
     eigvals, eigVects = np.linalg.eig(np.mat(covMat)) # linalg.eig 计算的值是矩阵的特征值，保存在对应的矩阵中
-    eigValInd = np.argsort(eigvals) #  argsort 对特征值矩阵进行排序，返回的是数值从小到大的索引值
+    eigValInd = np.argsort(eigvals) #  argsort 对特征值进行排序，返回的是数值从小到大的索引值
+
+    topNfeat = 100 # 需要保留的特征维度，即要压缩成的维度数
 
-    topNfeat = 100 # 需要保留的特征维度，即要压缩成的维度数 
-    eigValInd = eigValInd[:-(topNfeat+1):-1] # 从排序后的矩阵最后一个开始自下而上选取最大的N个特征值，返回其对应的索引
+    # 从排序后的矩阵最后一个开始自下而上选取最大的N个特征值，返回其对应的索引
+    eigValInd = eigValInd[:-(topNfeat+1):-1] 
 
+    # 计算特征值的总和
     cov_all_score = float(sum(eigvals))
     sum_cov_score = 0
     for i in range(0, len(eigValInd)):
+        # 特征值进行相加
         line_cov_score = float(eigvals[eigValInd[i]])
         sum_cov_score += line_cov_score
         '''
@@ -105,7 +110,7 @@ def getOptimalAccuracy(trainData, trainLabel, preData):
     # 分析数据 100个特征左右
     # analyse_data(trainData)
     x_train, x_test, y_train, y_test = train_test_split(trainData, trainLabel, test_size=0.1)
-    lineLen, featureLen = np.shape(x_test)
+    lineLen, featureLen = np.shape(x_test) # shape 返回矩阵或者数值的长度
     # print(lineLen, type(lineLen), featureLen, type(featureLen))
 
     minErr = 1