PCA降维小项目

最新推荐文章于 2022-04-29 15:40:46 发布

Ficca

最新推荐文章于 2022-04-29 15:40:46 发布

阅读量314

点赞数 1

CC 4.0 BY-SA版权

分类专栏： AI 文章标签： PCA

本文链接：https://blog.youkuaiyun.com/qq_42957436/article/details/89107196

AI 专栏收录该内容

16 篇文章

订阅专栏

本文通过Python的pandas库合并多个数据表，并利用sklearn库中的PCA进行数据降维处理，展示了一个完整的从数据整合到降维分析的过程。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

话不多说，直接上代码

'''
1、获取数据
2、合并表
3、找出user_id和aisle之间的关系
4、PCA降维
'''
import pandas as pd
from sklearn.decomposition import PCA

order_products = pd.read_csv("./instacart/order_products__prior.csv")
products = pd.read_csv("./instacart/products.csv")
orders = pd.read_csv("./instacart/orders.csv")
aisles = pd.read_csv("./instacart/aisles.csv")

table1 = pd.merge(aisles, products, on=["aisle_id", "aisle_id"])
table2 = pd.merge(table1, order_products, on=["product_id", "product_id"])
table3 = pd.merge(table2, orders, on=["order_id", "order_id"])

table = pd.crosstab(table3["user_id"], table3["aisle"])

data = table[:10000]  # 数据太大，简单起见
# PCA降维
transfer = PCA(n_components=0.95)
data_new = transfer.fit_transform(data)
print("data_new: \n", data_new)
print("data_new shape: \n", data_new.shape)  # data.shape为特征量