使用PCA分析鸢尾花数据

最新推荐文章于 2024-07-14 13:23:04 发布
最新推荐文章于 2024-07-14 13:23:04 发布
阅读量1.7k 收藏 15
点赞数
文章标签： python 数据分析 数据挖掘
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/evil_dedtiny/article/details/105568349
版权
本文介绍了PCA（主成分分析）在处理高维数据时的作用，并通过手动推导PCA的过程，详细解释了如何计算特征值、特征向量及方差贡献率。以鸢尾花数据集为例，展示了如何使用Python实现PCA，包括数据标准化、计算协方差矩阵、选取主要特征等步骤，最终得到数据的主成分。
摘要由CSDN通过智能技术生成

在这里简单记录下学习PCA的一次简单实践；

为什么需要用到PCA呢?

在数据挖掘中，维度太大是一个很大的问题，影响挖掘的效率，PCA是一个最常用的、简单、基础理论完备的方法。

PCA(主成分分析)的手推过程

  1. 求给出矩阵X(m x n)的协方差矩阵S(m x m)；
  2. 计算协方差矩阵的特征值λ和特征向量α；
  3. 计算方差贡献率 ；
    T i = λ i ∑ i = 1 n λ i T_i = \frac{\lambda_i}{\sum_{i=1}^n\lambda_i} Ti​=
最低0.47元/天 解锁文章
evil_destiny
关注
数据集特征提取_基于PCA算法实现鸢尾花数据集的特征提取任务
weixin_39622399的博客
10-22 1839
PCA算法的必要性多变量大数据集无疑会为研究和应用提供丰富的信息，但是许多变量之间可能存在相关性，从而增加了问题分析的复杂性。如果分别对每个指标进行分析，分析往往是孤立的，不能完全利用数据中的信息，因此盲目减少指标会损失很多有用的信息，从而产生错误的结论。因此如果可以在减少需要分析的指标同时，尽量减少原指标包含信息的损失，那么将有利于算法模型的搭建。由于各变量之间存在一定的相关关系，因此可以考虑将...
PCA 鸢尾花
weixin_43326122的博客
05-30 344
import numpy as np import pandas as pd import math import matplotlib.pyplot as plt %matplotlib inline # 列名 cols = [ 'sepal length in cm', 'sepal width in cm', 'petal length in cm', 'petal width in cm', 'class label' ] df = pd.read_csv
主成分分析（PCA）实现鸢尾花分类
最新发布
m0_46259298的博客
07-14 284
主成分分析（PCA）实现鸢尾花分类
MechineLearning--PCA处理鸢尾花数据
qq_36789311的博客
08-12 1332
PCA原理部分 PCA（Principal components analysis）也称主成分分析，是机器学习中降维的一种方法 为什么要降维 在真实的数据中有各种问题，PCA的思想是将n维特征映射到m维上（m<n） 1、如多余的数据，商店的客流量与营业额，很明显这两组的数据相关度比较高,简单的理解就是把上述客流量与营业额合并成一个维度 2、由于信道不理想的，怎么滤去传输过程中的噪音，简单的理...
利用PCA对鸢尾花数据集进行降维测试
u014306722的博客
08-23 5160
利用PCA对鸢尾花数据集进行降维测试 鸢尾花数据集：总150给样本，每个样本有四个属性，共三类，标签分别为：“setosa”、“versicolor”和“virginica”。 数据集下载：链接: https://pan.baidu.com/s/1Nd65FCDBs75Xt1xUwinOzQ 密码: kspw clear %%鸢尾花数据集。 %% Y = {&quot;Iris-setosa&quot;,&quot;I...
基于PCA实现鸢尾花数据集降维【源程序】【Python】
03-29
基于Python3.7实现鸢尾花数据集降维，调用PCA算法。包括源程序和结果图片。
基于PCA模型的鸢尾花数据可视化_pythonpca花_PCA鸢尾花_python_PCA模型_鸢尾花数据_
10-02
在本项目中，我们重点关注如何使用Python实现PCA模型，并应用于鸢尾花数据集进行可视化。 鸢尾花数据集是机器学习领域经典的数据集之一，包含了三种不同鸢尾花（Setosa, Versicolour, Virginica）的多个测量特征，...
python导入鸢尾花数据集，使用主成分分析函数对鸢尾花数据集降维数据集和原始数据集分别进行线性判别比较分析的准确率
01-21
实验的目的是复习PCA的原理和算法，并使用Python的sklearn库对鸢尾花数据集进行主成分分析。实验步骤包括： 1. **导入鸢尾花数据集**：使用`datasets.load_iris()`函数从sklearn库中加载数据集，查看数据分布。通过...
利用PCA（主成分分析法）实现鸢尾花数据集的分类
weixin_44815397的博客
01-13 3549
利用PCA（主成分分析法）实现鸢尾花数据集的分类 依赖库 sklearn、matplotlib 安装方法 在终端输入 pip install sklearn pip install matplotlib 以下为完整代码及注释 import matplotlib.pyplot as plt #加载matplotlib用于数据的可视化 from sklearn.decomposition import PCA #加载PCA算法包 from sklearn.datasets import load_iris
无监督学习-降维-PCA算法的应用-对鸢尾花数据集进行降维
Blackoutdragon的博客
01-29 1189
目的 将三类四维的鸢尾花数据，使用PCA对其进行降维，实现在二维平面上的可视化 实现源码 体现在最终的结果中，二维坐标系中的点，对应的是横纵坐标，所以需要两个数据，这里将鸢尾花数据进行计算，降维变成一个坐标点。 import matplotlib.pyplot as plt # 导入对应的降维模块 from sklearn.decomposition import PCA # 导入对应的数据集 from sklearn.datasets import load_iris # 加载鸢尾花数据集，以字典的
MATLAB 对iris数据集进行PCA
11-04
matlab PCA的m文件。数据集Iris是常用的分类实验数据集，由Fisher, 1936收集整理。 CSDN上原来有一个arff格式的鸢尾花数据集，不方便matlab直接调用。 我的这个数据集是txt格式的，在matlab下可以直接一句命令“load('iris.txt')”加载。 iris以鸢尾花的特征作为数据来源，常用在分类操作中。该数据集由3种不同类型的鸢尾花的50个样本数据构成。其中的一个种类与另外两个种类是线性可分离的，后两个种类是非线性可分离的。 该数据集包含了5个属性： & Sepal.Length（花萼长度），单位是cm; & Sepal.Width（花萼宽度），单位是cm; & Petal.Length（花瓣长度），单位是cm; & Petal.Width（花瓣宽度），单位是cm; & 种类：Iris Setosa（山鸢尾）、Iris Versicolour（杂色鸢尾），以及Iris Virginica（维吉尼亚鸢尾
鸢尾花（iris）数据集，txt格式，matlab可以直接调用
11-04
Iris数据集是常用的分类实验数据集，由Fisher, 1936收集整理。 CSDN上原来有一个arff格式的鸢尾花数据集，不方便matlab直接调用。 我的这个数据集是txt格式的，在matlab下可以直接一句命令“load('iris.txt')”加载。 iris以鸢尾花的特征作为数据来源，常用在分类操作中。该数据集由3种不同类型的鸢尾花的50个样本数据构成。其中的一个种类与另外两个种类是线性可分离的，后两个种类是非线性可分离的。 该数据集包含了5个属性： & Sepal.Length（花萼长度），单位是cm; & Sepal.Width（花萼宽度），单位是cm; & Petal.Length（花瓣长度），单位是cm; & Petal.Width（花瓣宽度），单位是cm; & 种类：Iris Setosa（山鸢尾）、Iris Versicolour（杂色鸢尾），以及Iris Virginica（维吉尼亚鸢尾）。
鸢尾花matlab三维图表示
01-11
用matlab的三维图来描述鸢尾花数据集
基于MATLAB的鸢尾花数据集分类
05-16
MATLAB平台下实现构造前馈神经网络，实现BP算法，对鸢尾花数据集进行分类。
PCA应用（鸢尾花分类）
cp0328的博客
07-19 9310
1.PCA 1.1PCA的概念 PCA(Principal Component Analysis)，即主成分分析方法，是一种使用最广泛的数据降维算法。PCA的主要思想是将n维特征映射到k维上，这k维是全新的正交特征也被称为主成分，是在原有n维特征的基础上重新构造出来的k维特征。PCA的工作就是从原始的空间中顺序地找一组相互正交的坐标轴，新的坐标轴的选择与数据本身是密切相关的。其中，第一个新坐标轴...
PCA算法之对鸢尾花数据降维处理并可视化
SuperBetterMan的博客
02-04 4767
主成分分析（PCA） 主成分分析是最常用的一种降维方法，通常用于高维数据集的探索与可视化，还可以用作数据压缩和预处理等。 PCA可以把具有相关性的高维变量合成为线性无关的低维变量，称为主成分。主成分能够尽可能保留原始数据的信息。 原理：矩阵的主成分就是协方差矩阵对应的特征向量，按照对应的特征值大小进行排序，最大的特征值就是第一主成分，其次是第二主成分，以此类推。 import matplotl...
计算方法实验6：对鸢尾花数据集进行主成分分析(PCA)并可视化
weixin_73004416的博客
04-14 1403
iris数据集包含150条数据，从iris.txt读取，每条数据有4个属性值和一个标签（标签取值为0，1，2）。要求对这150个4维数据进行PCA，可视化展示这些数据在前两个主方向上的分布，其中不同标签的数据需用不同的颜色或形状加以区分。
机器学习case2 降维之PCA+鸢尾花
weixin_41357720的博客
05-20 272
降维之PCA+鸢尾花 数据集来源：from sklearn.datasets import load_iris 代码展示： import matplotlib.pyplot as plt from sklearn.decomposition import PCA from sklearn.datasets import load_iris data=load_iris()#导入数据 #print(data)字典的形式 y = data.target#使用y表示数据集的中的标签 X = data.data
鸢尾花数据集pca与算法分析
06-12
鸢尾花数据集是一个经典的数据集，包含了3种不同种类的鸢尾花（Setosa、Versicolour和Virginica...总的来说，鸢尾花数据集是一个非常适合使用PCA和机器学习算法的经典数据集，它可以用于学习和实践特征降维和分类算法。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值