（十一）分别使用PCA和LDA降维到二维平面并可视化[机器学习代码]

最新推荐文章于 2023-05-19 00:29:17 发布

Windalove

最新推荐文章于 2023-05-19 00:29:17 发布

阅读量1.3k

点赞数 5

分类专栏：机器学习笔记文章标签：机器学习

本文链接：https://blog.csdn.net/weixin_44972997/article/details/118601667

版权

博客主要介绍了如何使用PCA和LDA将UCI手写体数字集的3类样本降维到二维，并进行可视化。文章提到LDA降维效果不理想，邀请读者探讨原因。内容包括问题需求、代码实现和总结，鼓励读者互动交流。

摘要由CSDN通过智能技术生成

    机器学习课程总结，本系列文章以代码和注释为主。
    理论部分搬至博客上比较耗费时间，所以缺少理论部分。但是也欢迎大家一起探讨学习。
    如果需要理论部分的讲义，可私信（个人觉的讲的很好很全）。

问题需求

从UCI手写体数字集中随机挑选3类，分别使用PCA和LDA降维到二维平面，每类随机挑选20个样本进行可视化，可视化时不同类别使用不同颜色进行区分，并使用图例进行类别说明。

代码

对于LDA降维效果很差，没有找到合理的解释，欢迎补充

# -*- coding: utf-8 -*-#
# Author: xhc
# Date:    2021-06-18 22:04
# project:  0618
# Name:    LDA_PCA比较.py

from sklearn.decomposition import PCA
from read_data import read_from_txt
import random
import matplotlib.pyplot as plt
from sklearn.discriminant_analysis import LinearDiscriminantAnalysis
filename = ('./data/UCI_digits.train')
X,_,Y = read_from_txt(filename,Dim1 = 1024,Dim2 = 64)

model_pca = PCA(n_components=2) # n_components维度
x_pca = model_pca