python_ad_pca

该博客介绍了如何使用Python进行主成分分析(PCA)和决策树分类。首先,通过自定义函数处理数据中的数值和缺失值,然后使用PCA将特征降维到5个主要成分。接着,使用决策树模型进行分类,并通过交叉验证评估模型的精度。最后,通过可视化展示了不同类别样本在PCA降维后的分布情况。
摘要由CSDN通过智能技术生成
#! /usr/bin/env python
#coding=utf-8
import pandas as pd
import numpy as np
from sklearn.decomposition import PCA
from collections import defaultdict
from sklearn.tree import DecisionTreeClassifier
from sklearn.model_selection import cross_val_score
from matplotlib import pyplot as plt
#定义一个函数:1.前几个特征是数值,pandas把他们看成是字符串2.处理缺失值
def convert_number(x):
    try:
        return float(x)
    except ValueError:
        return np.nan
# 
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
评论 1
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