显示手写体数字图片经PCA压缩后的二维空间分布

import pandas as pd
import numpy as np
digits_train = pd.read_csv('https://archive.ics.uci.edu/ml/machine-learning-databases/optdigits/optdigits.tra', header=None)

digits_test = pd.read_csv('https://archive.ics.uci.edu/ml/machine-learning-databases/optdigits/optdigits.tes', header=None)

x_digits = digits_train[np.arange(64)]
y_digits = digits_train[64]

print(x_digits)
print(y_digits)
from sklearn.decomposition import PCA

estimator = PCA(n_components=2)
x_pca = estimator.fit_transform(x_digits)
print(x_pca)


from matplotlib import pyplot as plt

def plot_pca_scatter():
    colors = ['black', 'blue', 'purple','yellow', 'white', 'red', 'lime', 'cyan', 'orange', 'gray']#总共有0-9,10种手写数字,要把每一个手写数字都用二维图展现出来,为了便于区分,使用10颜色
    for i in range(len(colors)):
        px = x_pca[:, 0][y_digits.as_matrix() == i]#这里的[y_digits.as_matrix]主要对x_pca第一列的所有行起到选择作用,也就是说假设i=0时,
        py = x_pca[:, 1][y_digits.as_matrix() == i]#选择出所有训练样本的标签为0的x_pca,并将其用二维图展现出来,不同的数字用不同的颜色画出来
        plt.scatter(px, py, c=colors[i])           #最后,通过最终效果图可以发现,同一类型的digits基本上分布在同一块区域

    plt.legend(np.arange(0, 10).astype(str))
    plt.xlabel('First Principal Component')
    plt.ylabel('Sencond Principal Component')
    plt.show()


plot_pca_scatter()

最终运行效果图如下:


  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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