PCA实战task（Day8）

声明：小编使用的是飞桨平台（AI Studio）
任务：

1. 基于iris.csv数据（鸢尾花数据集），建立KNN模型实现数据分类（n_neighbors=3）
2. 对数据进行标准处理，选取一个维度可视化处理后的效果
3. 进行与原数据等维度PCA，查看各成分的方差比例
4. 保留合适的主成分，可视化降维后的数据
5. 基于降维后数据建立KNN模型，与原数据表现进行对比

部分数据展示：

代码展示：

#加载数据
import pandas as pd
import numpy as np
data = pd.read_csv('iris.csv',encoding="utf-8")
data.head()

#定义 X  和 y
X = data.drop(['class'],axis=1)
y = data.loc[:,'label']
y.head()

#实现KNN模型训练
from sklearn.neighbors import KNeighborsClassifier
KNN  = KNeighborsClassifier(n_neighbors=3)
KNN.fit(X,y)
y_predict = KNN.predict(X)

#计算模型准确度
from sklearn.metrics import accuracy_score
accuracy = accuracy_score(y,y_predict)
print(accuracy)

#数据的标准化处理
from sklearn.preprocessing import StandardScaler
X_norm = StandardScaler().fit_transform(X)
print(X_norm)

#选定sepal_length一个维度计算标准化处理后的均值和方差
x1_mean = X.loc[:,'sepal_length'].mean()
x1_norm_mean = X_norm[:,0].mean()
x1_sigma = X.loc[:,'sepal_length'].std()
x1_norm_sigma = X_norm[:,0].std()
print(x1_mean,x1_sigma,x1_norm_mean,x1_norm_sigma)

#选取一个维度可视化处理后的效果
from matplotlib import pyplot as plt 
fig1 = plt.figure(figsize=(12,3 ))
plt.subplot(121)
plt.hist(X.loc[:,'sepal_length'],bins=100)
plt.subplot(122)
plt.hist(X_norm[:,0],bins=100)
plt.show()

#PCA降维
from sklearn.decomposition import PCA
pca = PCA(n_components=4)
X_pca = pca.fit_transform(X_norm)
#计算方差比例
var_ratio = pca.explained_variance_ratio_
print(var_ratio)
#可视化方差比例
fig = plt.figure(figsize=(10,5))
plt.bar([1,2,3,4],var_ratio)
plt.xticks([1,2,3,4],["PCA1","PCA2","PCA3","PCA4"])
plt.show()

#选取前两个方差比例最大的维度
pca = PCA(n_components=2)
X_pca = pca.fit_transform(X_norm)
X_pca.shape

#可视化PCA结果
fig3 = plt.figure(figsize=(10,10))
setosa = plt.scatter(X_pca[:,0][y==0],X_pca[:,1][y==0])
ver = plt.scatter(X_pca[:,0][y==1],X_pca[:,1][y==1])
vir = plt.scatter(X_pca[:,0][y==2],X_pca[:,1][y==2])
plt.legend((setosa,ver,vir),('SETOSA','VERSICOLOR','VIRGINICA'))

#基于降维后数据建立KNN模型并计算准确度
KNN  = KNeighborsClassifier(n_neighbors=3)
KNN.fit(X_pca,y)
y_predict = KNN.predict(X_pca)
from sklearn.metrics import accuracy_score
accuracy = accuracy_score(y,y_predict)
print(accuracy)

截图展示效果：

对比降维前和降维后的模型准确度，分别是1.0和0.9333…，可见降维后的数据仍能反应数据的主要特征。

百度网盘空间满了，数据传不上去无法给大家分享了，想要数据集练习的私信我，一定给你们发