降维算法PCA
一.人脸识别中的components_ 应用
首先导入所需要的库
from sklearn.datasets import fetch_lfw_people#人脸识别数据
from sklearn.decomposition import PCA
import matplotlib.pyplot as plt
import numpy as np
实例化数据集
faces = fetch_lfw_people(min_faces_per_person=60)#实例化 #每个人需要60张图
faces.images.shape
运行很慢,需要自动下载fetch_lfw_people,慢慢等待,如果出问题请看–>解决数据问题网页链接
查看数据维度
x = faces.data
faces.images.shape
faces.data.shape
1348 是矩阵中图像的个数
62 是每个图象的特征矩阵的行
47 是每个图像的特征矩阵的列
将原特征矩阵进行可视化
数据本身是图像,和数据本身只是数字,使用的可视化方法不同
创建画布和子图对象
fig, axes = plt.subplots(4,5
,figsize = (8,4)
,subplot_kw = {
"xticks":[],"yticks":[]}#不要显示坐标轴
)
fig#画布
axes#生成的子图对象
画一个图
axes[0][0].imshow(faces.images[0,:,:])
需要加在画布里面
将数据对象换成一维
axes.flat#降维,变成一维
[*