我正在尝试将一个高维矩阵降维到二维，我之前使用了一个二维数组的示例，这个方法是有效的，但我需要对更高维的散布进行同样的处理。我有两个类，每个类都有50×20维的特征空间矩阵。
在我的示例中，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]])之后我计算了两个类三角形和矩形的均值
# 计算每个类的均值向量mean_rectangles = np.mean(rectangles,axis=1).reshape(2,1) mean_triangles = np.mean(triangles,axis=1).reshape(2,1)使用类矩形和三角形的均值计算散布：
scatter_triangles = np.dot((triangles-mean_triangles),(triangles-mean_triangles).T)scatter_circles = np.dot((circles-mean_circles),(circles-mean_circles).T)# 通过将类内散布相加计算SW SW = scatter_triangles+scatter_circles+scatter_rectanglesprint(SW)plt.show()
我想知道如何计算类内散布并以相同的方式绘制它们，具体来说是针对一个更大的数据集，即50×20的矩阵？
为了可重复性，这是我的代码：
import numpy as npimport matplotlib.pyplot as pltfrom matplotlib import stylestyle.use('fivethirtyeight')# 创建数据c_A_array = [[ 31, 25, 17, 62, 26, 23, 193, 143, 37, 29, 220, 216, 175, 195, 207, 198, 190, 222, 178, 214], [ 31, 26, 19, 59, 25, 23, 193, 140, 37, 29, 220, 216, 174, 195, 207, 198, 190, 220, 178, 214], [ 31, 23, 17, 67, 23, 22, 195, 147, 38, 31, 222, 215, 182, 195, 213, 198, 185, 221, 178, 207], [ 31, 23, 19, 67, 23, 23, 194, 144, 37, 31, 222, 218, 179, 198, 216, 198, 186, 221, 179, 207], [ 31, 28, 17, 65, 23, 22, 193, 142, 36, 31, 222, 217, 177, 195, 216, 196, 182, 220, 174, 207]]c_B_array = [[ 16, 24, 33, 43, 43, 58, 163, 76, 57, 105, 205, 200, 193, 188, 186, 193, 182, 227, 193, 227], [ 9, 13, 22, 36, 13, 49, 163, 39, 33, 105, 204, 200, 193, 191, 188, 193, 183, 224, 194, 227], [ 23, 17, 10, 28, 21, 40, 166, 46, 28, 102, 208, 206, 196, 198, 195, 202, 190, 225, 196, 229], [ 25, 19, 11, 30, 23, 39, 166, 46, 26, 99, 208, 206, 199, 196, 198, 201, 189, 227, 198, 231], [ 25, 20, 12, 31, 25, 40, 169, 48, 27, 101, 211, 206, 198, 198, 196, 202, 190, 226, 198, 229]]#绘制数据fig = plt.figure(figsize=(10,10))ax0 = fig.add_subplot(111)ax0.scatter(c_A_array[0],c_A_array[1],marker='s',c='grey',edgecolor='black')ax0.scatter(c_B_array[0],c_B_array[1],marker='o',c='blue',edgecolor='black')# 计算每个类的均值向量c_A_array_mean = np.mean(c_A_array,axis=1)c_B_array_mean = np.mean(c_A_array,axis=1)# 计算类内散布矩阵SW并将元素相加scatter_c_A_array = np.dot((c_A_array-c_A_array_mean),(c_A_array-c_A_array_mean).T)scatter_c_B_array = np.dot((c_B_array-c_B_array_mean),(c_B_array-c_B_array_mean).T)# 通过将类内散布相加计算SW SW = scatter_c_A_array+scatter_c_B_arrayprint(SW)plt.show()我得到了以下错误：
ValueError: 操作数无法广播在一起，形状为(5,20) 和 (5,)
回答：
遗憾的是，Numpy无法将数组广播到列上。尝试使用以下方法：
(np.array(c_A_array).T-c_A_array_mean).T 用于所有减法操作。
这也可行，我尝试了这两种方法，猜测第二种方法更快：
np.array(c_A_array)-c_A_array_mean.reshape((5,1))