对糖尿病数据进行PCA降维

最新推荐文章于 2022-08-12 16:57:47 发布
最新推荐文章于 2022-08-12 16:57:47 发布
阅读量1.2k 收藏 3
点赞数
分类专栏： Python 机器学习 随笔
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/piaodexin/article/details/77773489
版权 
from sklearn import datasets  #加载数据集
from sklearn import decomposition

data=datasets.load_diabetes()    
data=data.data

jiangwei=decomposition.PCA(n_components=4) #提取四个主成分
jiangwei.fit(data)
jiangwei.components_ #展示四个主成分的系数
new_data=jiangwei.transform(data)
jiangwei.explained_variance_  #主成分解释的方差
jiangwei.explained_variance_ratio_  #解释的比例
jiangwei.inverse_transform(new_data) #反向操作，将降为后的数据还原


机器学习笔记七：使用主成分分析(PCA)对数据集进行降维
耐心的小黑的博客
08-16 6977
一、前言 有时候我们遇到的一些数据会有很多的特征，几十个，甚至成千上百个，由于此时特征较多，就大大增加了计算的复杂度。鉴于并非所有的特征都非常重要，也为了减少计算的复杂度，我们有必要对数据进行降维。 以iris数据集为例，我们都知道，iris数据集有四个特征，这就导致我们不能很好的将数据可视化，因为此时特征数据的维度是4。为了方便将数据可视化，我们可以使用主成分分析(PCA)技术提取原始数据的主要特征，消除掉信息量相对较少的特征维度，这样就实现了对原始数据的降维。当我们将数据降到1维、2维或者3维时，我们就
【Python数据挖掘课程】七.PCA降维操作及subplot子图绘制
热门推荐
杨秀璋的专栏
11-26 2万+
这篇文章主要介绍四个知识点，也是我那节课讲课的内容。 1.PCA降维操作； 2.Python中Sklearn的PCA扩展包； 3.Matplotlib的subplot函数绘制子图； 4.通过Kmeans对糖尿病数据集进行聚类，并绘制子图。 前文推荐，希望这篇文章对你有所帮助，尤其是我的学生和学习数据挖掘、机器学习、大数据的博友。
数据挖掘之PCA降维练习
qq_39409944的博客
05-17 1181
参考文章：https://blog.youkuaiyun.com/eastmount/article/details/53285192 特征降维是指采用一个低纬度的特征来表示高纬度。特征降维一般有两类方法：特征选择（Feature Selection）和特征提取（Feature Extraction）。 1.特征选择是从高纬度的特征中选择其中的一个子集来作为新的特征。最佳子集是以最...
Python入门到实战（十二）异常检测 数据降维 糖尿病预测
A793539835的博客
05-27 791
这里写目录标题一级目录二级目录三级目录 一级目录 二级目录 三级目录
PCA（主成分分析）降维方法
qq_43363657的博客
01-09 1万+
一、降维 1）首先我们可以将数据以矩阵的形式表示出来，例如Xmxn，即m个数据样本，每个数据样本有n维度的特征（这个特征就是数字，n维特征就是n个数字表示了这个样本）。降维的目的就是减小n，比如降低维度到k（k<n）。 2）在二维上举例：我们用我们常用的坐标系，即（1，0）、（0，1）为基的坐标系，选取一组数据[ (-2，-2），（-1，-1）、（0，0）、（1，1）、（2，2）]，我们发现这组数据在坐标系上都处于一条直线上，就是y=x上。此时他的维度是二维的，但是我们把X、Y坐标轴逆时针旋转45度
机器学习其他技术
w3222371135的博客
08-31 417
决策树（Decision Tree） 一种对实例进行分类的树形结构，通过多层判断区分目标所属类别 本质：通过多层判断，从训练数据集中归纳出一组分类规则 优点： 计算量小，运算速度快 易于理解，可清晰查看各属性的重要性 缺点： 忽略属性间的相关性 样本类别分布不均匀时，容易影响模型表现 目标： 根据训练数据集构建一个决策树模型，使它能够对实例进行正确的分类 问题核心： 特征选择，每一个节点，应该选用哪个特征。 决策树求解 信息熵是度量随机变量不确定性的指标，熵越大，变量的不确定性越大。 假设当
基于SVM的糖尿病数据集回归问题
ZHW-鲜橙大AI课题组的博客
04-10 5803
目录1. 作者介绍2. SVM算法介绍2.1 支持向量机分类2.2 支持向量回归模型2.3 核函数和损失函数2.4 SVR模型的代价函数3. 实验过程3.1 数据集介绍3.2 实验代码3.3 运行结果 1. 作者介绍 谢蓉蓉，女，西安工程大学电子信息学院，2021级研究生 研究方向：图像处理 电子邮件：443369505@qq.com 吴燕子，女，西安工程大学电子信息学院，2021级研究生，张宏伟人工智能课题组 研究方向：人工智能与模式识别 电子邮件：1219428323@qq.com 2. SVM算法介绍
生成代码加载diabetes糖尿病数据集，使用ＰＣＡ主成分分析方法，参数n_components=8生成数据降维规则，将规则分别用于训练集和测试集，分别输出PCA降维前训练数据和测试数据的形状， PCA降维后训练数据和测试数据的形状
05-19
# 加载糖尿病数据集 diabetes = load_diabetes() X = diabetes.data y = diabetes.target # 分割数据集 X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42) # PCA降维 ...
Python数据挖掘：PCA降维与KMeans聚类实践
"Python数据挖掘课程讲解PCA降维操作及subplot子图绘制，结合Kmeans对糖尿病数据集进行聚类分析。" PCA（主成分分析）是一种常用的特征降维技术，它通过线性变换将原始数据变换为一组各维度线性无关的表示，可用于...
辅助疾病诊断：PCA降维算法在医疗诊断中的应用
它通过对数据进行线性变换，找到一组正交基向量，这些基向量对应于数据中方差最大的方向。 PCA降维的优势在于： - **数据压缩：**通过减少数据维度，可以降低存储和处理成本。 - **特征提取：**PCA可以提取数据中...
Pima Indians Diabetes数据集
10-29
印第安糖尿病人数据集，原始网站（UCI）上面的链接失效了。
digit recognizor.zip
11-30
机器学习，特征选择所用到的数据。泰坦尼克
糖尿病数据分析风险预测糖尿病数据分析风险预测糖尿病数据分析风险预测
最新发布
02-25
本项目聚焦于糖尿病数据分析风险预测，主要涉及到以下几个核心知识点： 1. 数据预处理：`diabetes_data_upload.csv` 文件很可能是本次分析的主要数据源，包含了糖尿病患者的各项生理指标，如年龄、性别、体重、血压...
PCA与SVD学习报告
qq_45637085的博客
10-07 458
一 实验原理 1.1 降维 降维是一种对高维度特征数据预处理方法。降维是将高维度的数据保留下最重要的一些特征，去除噪声和不重要的特征，从而实现提升数据处理速度的目的。在实际的生产和应用中，降维在一定的信息损失范围内，可以为我们节省大量的时间和成本。降维也成为应用非常广泛的数据预处理方法。降维具有如下一些优点：1) 使得数据集更易使用。2) 降低算法的计算开销。3) 去除噪声。4) 使得结果容易理解...
Python3从0入门机器学习算法实战(人工智能必修课)
09-01
【为什么学习这门课程】 人工智能课最怕听不懂、太枯燥、全是理论学完了不会用！本门课程以生活案例驱动知识讲解，手把手实战带你掌握AI工具，兼顾不同基础的学员，为你学习机器学习扫除障。 赵老师在对比国内外各类人工智能课程后，结合不同行业技术落地应用经验，从内容安排、知识点讲解、案例选择、学习资料等模块对课程进行设计与优化，致力于打造一门人工智能学习的必修课。 通过本门课程，同学将全面了解机器学习，掌握其核心技术并实现综合能力提升。    1、对于没有太多计算机基础或工科基础的同学，你将懂得如何使用AI这个强大的工具，并将其赋能于生活和工作中解决实际问题、实现升职加薪；    2、对于就读相关专业的同学，老师将帮你梳理知识点、构建知识体系，并为你的毕业设计提供指导建议；    3、对于从事相关行业工作的同学，老师还将与你探讨综合实战项目开发要点，让你的模型表现更出色！ 【讲师介绍】 赵辛 人工智能算法科学家、福布斯中国科技榜U30（优快云唯一一位）、澳大利亚新南威尔士大学全奖博士 【课程特色】1、课程设计：课程中涉及到的项目全部源自生活案例，内容全面、易懂，采用现实案例+知识干货+手把手实战的方式，实现人工智能的知识入门与综合提升；2、知识层面：覆盖主流技术，侧重技术应用与核心原理，易于理解；3、案例丰富：知识讲解部分基于现实案例，实现与生活紧密结合；实战部分案例亦从生活出发，区别于市场上用烂了的相似案例；4、配套资料：学员专享，老师专门整理了丰富的学习资料，并且会长期更新5、名师讲解：讲师为福布斯中国2019年科技榜U30上榜者（优快云唯一一位））  【手把手带你实战，实战项目全部源自生活案例】 【带你了解课程的整个知识体系】 
用sklearn 实践PCA降维
leidashuaige的专栏
03-25 1322
原文地址： https://towardsdatascience.com/pca-using-python-scikit-learn-e653f8989e60 对于许多机器学习应用程序,它有助于可视化你的数据.可视化2或3维数据并不具有挑战性.但是,即使本教程的这一部分中使用的Iris数据集也是4维的.你可以使用PCA将4维数据缩减为2维或3维,以便你可以绘制并希望更好地理解数据. 加载Iris数...
Python机器学习笔记 使用scikit-learn工具进行PCA降维
weixin_30347335的博客
04-04 4972
　　之前总结过关于PCA的知识：深入学习主成分分析（PCA）算法原理。这里打算再写一篇笔记，总结一下如何使用scikit-learn工具来进行PCA降维。 　　在数据处理中，经常会遇到特征维度比样本数量多得多的情况，如果拿到实际工程中去跑，效果不一定好。一是因为冗余的特征会带来一些噪音，影响计算的结果；二是因为无关的特征会加大计算量，耗费时间和资源。所以我们通常会对数据重新变换一下，再跑模型。数...
Python数据挖掘笔记 七 .PCA降维操作及subplot子图绘制
湾区人工智能
03-23 2182
Python数据挖掘笔记 七 .PCA降维操作及subplot子图绘制 这篇文章主要介绍四个知识点，也是我那节课讲课的内容。 1.PCA降维操作； 2.Python中Sklearn的PCA扩展包； 3.Matplotlib的subplot函数绘制子图； 4.通过Kmeans对糖尿病数据集进行聚类，并绘制子图。 一. PCA降维 为了...
数据挖掘实战（2）——糖尿病数据集（回归问题）
m0_46275020的博客
08-12 5856
数据挖掘实战（2）——糖尿病数据集（回归问题） 包括18种模型：线性回归、岭回归、Lasso回归、KNN、SVR、决策树、Bagging、随机森林、极限树、AdaBoost、GBDT、XGBoost、LightGBM、CatBoost、Voting、Stacking、MLP...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值