降维之PCA+鸢尾花
数据集来源:from sklearn.datasets import load_iris
代码展示:
import matplotlib.pyplot as plt
from sklearn.decomposition import PCA
from sklearn.datasets import load_iris
data=load_iris()#导入数据
#print(data)字典的形式
y = data.target#使用y表示数据集的中的标签
X = data.data#使用X表示数据集中的属性数据
pca = PCA(n_components=2)
reduced_X = pca.fit_transform(X)#对原始数据进行降维,保存到reduced_X中
#按类别对降维后的数据进行保存
red_x,red_y=[],[]
blue_x,blue_y=[],[]
green_x,green_y=[],[]
for i in range(len(reduced_X)):
#按照鸢尾花的类别将降维后的数据点保存在不同的列表中
if y[i]==0:
red_x.append(reduced_X[i][0])
red_y.append(reduced_X[i][1])
elif y[i]==1:
blue_x.append(reduced_X[i][0])
blue_y.append(reduced_X[i][1])
else:
green_x.append(reduced_X[i][0])
green_y.append(reduced_X[i][1])
#降维后数据点的可视化
plt.scatter(red_x,red_y,c='r',marker='x')
plt.scatter(blue_x,blue_y,c='b',marker='D')
plt.scatter(green_x,green_y,c='g',marker='.')
plt.show()
结果: