我在Python中使用sklearn进行主成分分析。

我的一个意图是生成一个包含4个成分的模型，另一个包含8个成分，并使用inverse_transform将两者与原始数据进行比较。

代码大致如下：

pca4 = PCA(n_components=4)pca4.fit(parkinsonData)scores4=pca.transform(parkinsonData)reconstruct4=pca.inverse_transform(scores4)

为了计算原始数据与重构数据之间的差异，我做了以下操作：

differenceMatrix=parkinsonData-reconstruct4

现在我有了差异，但我希望计算相对于原始数据集的数据损失。为此，我想计算原始数据集与重构数据集中每个元素之间差异的平方均值。

在最后一个语句中，我计算了原始数据集与重构数据集中每个元素之间的差异，但现在我需要计算平方。我不知道如何操作，因为当我使用：

power=differenceMatrix**

我得到了一个错误：该矩阵不是方阵。

为了解决这个问题，我使用了

np.power(differenceMatrix,differenceMatrix)

它可以工作，但有些元素是NAN。我理解这是由于缺乏方形形状造成的。

有谁知道如何解决这个问题，并使用PCA计算原始数据集与转换后数据集之间的数据损失？

谢谢。

回答：

要对矩阵的每个元素进行平方（我猜这就是你所说的“powered by 2”），请使用：

np.square(differenceMatrix)

这将逐元素工作，并且不限制你使用方形矩阵。矩阵中的NaNs在输出中将作为NaN返回。