B站菜菜sklearn 学习笔记

屋顶上的蓝胖子

已于 2022-09-16 16:26:21 修改

阅读量152

点赞数

分类专栏：神经网络、机器学习杂货铺文章标签： python

于 2022-05-22 10:19:40 首次发布

本文链接：https://blog.csdn.net/qq_41926099/article/details/124907524

版权

神经网络、机器学习杂货铺专栏收录该内容

6 篇文章 0 订阅

订阅专栏

这篇博客通过Python的sklearn库展示了如何使用PCA进行数据降维，将鸢尾花数据集从四维降至二维，并利用降维后的数据进行可视化。通过散点图清晰地展示了不同种类鸢尾花的分类情况，直观地呈现了PCA在高维数据处理中的应用。

摘要由CSDN通过智能技术生成

课程链接

Sklearn 决策树
笔记链接：决策树笔记

使用PCA对数据进行降维并可视化

import matplotlib.pyplot as plt
from sklearn.datasets import load_iris
from sklearn.decomposition import PCA

iris = load_iris()
y = iris.target
# x是4维数据 (150, 4)
x = iris.data


x_dr = PCA(2).fit_transform(x)  # 将x降为两维
# print(x_dr)

# 布尔索引，不懂自己去google
# y==0返回的是一个和y一样大小的矩阵，其中==0的为true否则为false
plt.figure()
plt.scatter(x_dr[y == 0, 0], x_dr[y == 0, 1], c='red', label=iris.target_names[0])
plt.scatter(x_dr[y == 1, 0], x_dr[y == 1, 1], c='black', label=iris.target_names[1])
plt.scatter(x_dr[y == 2, 0], x_dr[y == 2, 1], c='orange', label=iris.target_names[2])
plt.legend()
plt.title('PCA of iris dataset')
plt.show()