这篇博客展示了如何使用Python进行PCA降维，并在散点图中根据标签颜色着色。首先生成了示例数据，接着应用PCA将特征降至2维。通过将标签转换为颜色索引，创建了颜色矢量，并用`plt.scatter`绘制散点图。同时，使用`plt.text`添加了特定点的标签，并使用星形标记突出显示。最后，显示了带有不同颜色标记的PCA散点图。
我认为你的问题现在很明确的 - 感谢编辑！
下面介绍如何创建您所描述的情节。
首先，让我们产生了一些示例数据：
# Params
n_samples = 100
m_features = 14
selected_names = ['name_13', 'name_23', 'name_42', 'name_66']
# Generate
np.random.seed(42)
names = ['name_%i' % i for i in range(n_samples)]
labels = [np.random.choice(['A','B','C','D']) for i in range(n_samples)]
features = np.random.random((n_samples,m_features))
接下来我们要做的PCA：
pca = PCA(n_components=2)
features_pca = pca.fit_transform(features)
然后，我们准备长度n列表/数组转换标签A,B,C,...变成颜色。这些可以是手动选择的颜色...
...或者只是一个整数范围。
# Label to color dict (automatic)
label_color_dict = {label:idx for idx,label in enumerate(np.unique(labels))}
# Color vector creation
cvec = [label_color_dict[label] for label
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
