PCA技术绘制二维平面图python实现

我们都知道在机器学习中绘制预测结果散点图可以使用PCA技术来对多个维度特征进行降维。下面就代码来讲解PCA技术以及绘图一般步骤。

要绘制二维平面图，首先需要将多个特征压缩到两个特征

一、将矩阵X压缩到二维（PCA技术）

    def _transform(self, X, dim):
        covariance = calculate_covariance_matrix(X)
        eigenvalues, eigenvectors = np.linalg.eig(covariance)
        # Sort eigenvalues and eigenvector by largest eigenvalues
        idx = eigenvalues.argsort()[::-1]
        eigenvalues = eigenvalues[idx][:dim]
        eigenvectors = np.atleast_1d(eigenvectors[:, idx])[:, :dim]
        # Project the data onto principal components
        X_transformed = X.dot(eigenvectors)
        return X_transformed

1.1计算协方差矩阵

def calculate_covariance_matrix(X, Y