9、降维、PCA与自编码器的探索

降维、PCA与自编码器的探索

1. 主成分分析（PCA）与降维

主成分分析（PCA）是一种强大的降维技术，它能够在减少数据集大小的同时，提取数据中最重要的方差成分。之前的练习中，我们将PCA用于将数据降维至二维，以便于结果的可视化。实际上，PCA可以将数据维度降至小于原始数据集的任意值。

1.1 绘制三维散点图

在Matplotlib中创建三维散点图并非简单地提供一系列 (x, y, z) 坐标。下面我们以鸢尾花数据集为例，展示如何绘制三维散点图：
1. 导入必要的库 ：

from mpl_toolkits.mplot3d import Axes3D
import pandas as pd
import matplotlib.pyplot as plt

2. 读取数据集并选择特定列 ：

df = pd.read_csv('iris-data.csv')[['Sepal Length', 'Sepal Width', 'Petal Width']]
df.head()

3. 绘制三维数据 ：

fig = plt.figure(figsize=(10, 7))