sklearn PCA的使用

最新推荐文章于 2022-04-23 18:01:53 发布

转载最新推荐文章于 2022-04-23 18:01:53 发布 · 211 阅读

0 ·

CC 4.0 BY-SA版权

原文链接：http://www.cnblogs.com/yytxdy/p/11518574.html

文章标签：

#人工智能

本文介绍了一种使用Python的sklearn库进行主成分分析(PCA)的实战案例。通过具体的数据集，展示了PCA降维的过程，包括PCA实例的构造、训练数据的降维处理以及结果的输出。对于理解PCA原理及应用具有一定的参考价值。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

import numpy as np
from sklearn.decomposition import PCA

# 训练数据
train_data = np.array([[1, 2, 3], [4, 8, 12], [16, 32, 48]])
# 构造PCA实例，n_components：目标维度；whiten：是否白化
pca = PCA(n_components=2, whiten=True)
# 使用数据训练PCA
pca.fit(train_data)
# 数据降维
source = np.array([[1, 2, 3], [6, 6, 6], [1, 2, 3]])
transformed = pca.transform(source)
print(transformed)