【使用 PCA 实现对鸢尾花四维数据（Iris）进行降维处理】

风亦温柔_Esther

已于 2022-04-13 20:36:07 修改

阅读量1w

点赞数 11

分类专栏： Python大数据文章标签： python

于 2022-03-17 13:47:33 首次发布

本文链接：https://blog.csdn.net/m0_51534537/article/details/123548248

版权

该博客介绍了如何使用PCA（主成分分析）对鸢尾花数据集进行降维处理，通过Python的sklearn库实现。降维后，数据由四维降至二维，便于在二维坐标系中以不同颜色区分不同类别的鸢尾花。代码展示了从数据加载、PCA模型训练到降维结果的可视化全过程。总结了PCA的优缺点，包括减少数据复杂度、方便模型拟合，但也存在计算成本高和信息丢失的风险。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

【任务描述】：

Task Eighteen:

使用 PCA 实现对鸢尾花四维数据（Iris）进行将为处理，并对降维后的数据根据不同的类别用不同颜色显示在二维坐标系中。

【维度与降维算法PCA】

维度：指的是样本的数量或特征的数量，一般无特别说明，指的都是特征的数量。

降维：降维算法中的”降维“，指的是降低特征矩阵中特征的数量。

PCA降维算法：主成分分析技术，sklearn中的一个降维算法。

 from sklearn.decomposition import PCA

【数据集查看】

iris = load_iris()  # 获取鸢尾花数据集
Y = iris.target  # 数据集标签 ['setosa', 'versicolor', 'virginica']，山鸢尾、变色鸢尾、维吉尼亚鸢尾
X = iris.data  # 数据集特征 四维，花瓣的长度、宽度，花萼的长度、宽度