降维

#CPA 无监督,不利用类别标签
from sklearn.decomposition import PCA
data_CPA=PCA(n_components=2).fit_transform(iris.data)
# print('data_CPA',data_CPA)


#线性判别法 有监督,利用数据的类别标签,PCA是将数据投影到方差最大的几个相互正交的方向上
# from sklearn.lda import LDA
from sklearn.discriminant_analysis import LinearDiscriminantAnalysis as LDA
data_lda=LDA(n_components=2).fit_transform(iris.data,iris.target)
print('data_lda',data_lda)

转载于:https://www.cnblogs.com/hapyygril/p/9965376.html

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
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