自然语言处理--PCA将三维“马“向量降为二维

最新推荐文章于 2024-09-05 23:36:04 发布

糯米君_

最新推荐文章于 2024-09-05 23:36:04 发布

阅读量1k

点赞数

分类专栏：自然语言处理文章标签： python 算法自然语言处理 nlp 机器学习

本文链接：https://blog.csdn.net/fgg1234567890/article/details/112438150

版权

自然语言处理专栏收录该内容

59 篇文章 8 订阅

订阅专栏

三维马的二维投影:

import pandas as pd
from sklearn.decomposition import PCA
import seaborn
from matplotlib import pyplot as plt
from nlpia.data.loaders import get_data

pd.set_option('display.max_columns', 6)
# 点云数据
df = get_data('pointcloud').sample(1000)
pca = PCA(n_components=2)
# 将三维点云缩减为二维投影，以便在二维散点图中显示
df2d = pd.DataFrame(pca.fit_transform(df), columns=list('xy'))
df2d.plot(kind='scatter', x='x', y='y')
plt.show()