《模式识别与智能计算》主成分分析法（PCA）

import numpy as np

def PCA(x,K):
    """
    :param X: 数据X  m*n维  n表示特征个数，m表示数据个数
    :param K: K表是要保留的维度
    :return: 返回特征向量
    """
    m,n = x.shape
    mean = []
    for i in range(n):
        mean.append(np.mean(x[:,i]))
    x_norm = x - mean
    cov = np.dot(x_norm,x_norm.T)
    eigval,eigvec = np.linalg.eig(cov)
    index = np.argsort(-eigval)
    eigvec_sort = eigvec[index]
    eigval_sort = eigval[index]
    return eigval_sort

if __name__ == '__main__':
	#6个2维的数据样本
    X = np.array([[-1, -1], [-2, -1], [-3, -2], [1, 1], [2, 1], [3, 2]])

    eigval_sort =  PCA(X,1)
    print(eigval_sort[0] / np.sum(eigval_sort), eigval_sort[1] / np.sum(eigval_sort))

#这里使用的是sklearn包里数据集，看了一下跟sklearn里的结果一样的
0.9924428900898052 0.007557109910194738