pca算法python实现_PCA算法——Python实现

一、流程生成模拟数据

模型训练

特征向量重要性分析

画图

二、Python语言

1、生成模拟数据

# 导入相关数据库

from sklearn import datasets

​

# 提取数据

digits = datasets.load_digits() #可以下载其他数据，例如鸢尾花：datasets.load_iris()

x = digits.data # 原始特征数据 numpy.shape(x) = (1797, 64) y = digits.target # 原始标签数据 numpy.shape(y) = (1797, )

2、模型训练

from sklearn import decomposition

pca = decomposition.PCA() # n_components默认为1，'mls'表示自动确定保留数

pca.fit(x)

3、特征向量重要性分析

#特征值 返回所保留的n个成分各自方差的百分比

print(pca.explained_variance_)

print(pca.explained_variance_ratio)

4、画图

# 画原始图

n_row, n_col = 2, 5

​

def plot_digits(images, y, max_n=10):

"""

显示手写数字的图像

"""

# 设置图像尺寸

fig = plt.figure(figsize=