python实现输入一个12*5的矩阵，利用主成分分析法求5个指标的权重，使各权重之和为1

主成分分析法（PCA）是一种数据降维的方法，可以用于降低数据的复杂性，同时保留数据的重要特征。在这里，我们可以用PCA来确定5个指标的权重。

首先，我们需要导入必要的库：

import numpy as np
from sklearn.decomposition import PCA

然后，我们可以输入一个12x5的矩阵：

matrix = np.array([[1, 2, 3, 4, 5], [6, 7, 8, 9, 10], [11, 12, 13, 14, 15], [16, 17, 18, 19, 20], [21, 22, 23, 24, 25], [26, 27, 28, 29, 30], [31, 32, 33, 34, 35], [36, 37, 38, 39, 40], [41, 42, 43, 44, 45], [46, 47, 48, 49, 50], [51, 52, 53, 54, 55], [56, 57, 58, 59, 60]])

接下来，我们可以使用PCA进行降维，并获取主成分的权重：

pca = PCA(n_components=5)
pca.fit(matrix)

weights = pca.explained_variance_ratio_

在这里，我们使用`PCA()`函数来实例化PCA对象，并将`n_components`参数设置为5，表示我们希望仅保留5个主成分。然后，我们使用`fit()`方法对矩阵进行拟合，并使用`explained_variance_ratio_`属性获取每个主成分的权重。

最后，我们可以将权重进行归一化，使它们的总和为1：

weights /= weights.sum()

这样，我们就可以得到5个指标的权重，使它们的总和为1。