Python机器学习应用 case3 鸢尾花（CPA）

有关本篇文章的课件大家可以参考这个链接：https://www.icourse163.org/learn/BIT-1001872001?tid=1001965001#/learn/content?type=detail&id=1002854140&cid=1003246093，数据集和slide的获取可以查看本专辑case 0中的相应链接。
下面简单地介绍一下代码
首先是调用相应地包：

import matplotlib.pyplot as plt
from sklearn.decomposition import PCA
from  sklearn.datasets import load_iris

导入鸢尾花数据集，如果好奇数据的形式，可以尝试输出：

data=load_iris()#导入数据
#print(data)

初始化模型：

pca=PCA(n_components=2)#初始化主成分分析模型，最终结果有两个主成分

使用模型进行降维，如果你好奇降维的结果可以尝试输出：

reduced_X=pca.fit_transform(X)#对X进行降维
#print(reduced_X)

将降维的结果按照所属类别的不同分成三类：

red_x,red_y=[],[]
blue_x,blue_y=[],[]
green_x,green_y=[],[]
for i in range(len(reduced_X)):#将数据根据类别存储
    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])

将分类后的数据做成散点图，不同类别使用不同的标记：

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()#展示数据图像

以上就是这个case的全部内容，代码可以复制以后直接运行。