数学建模——主成分分析算法详解Python代码

最新推荐文章于 2024-07-26 18:08:54 发布

原创最新推荐文章于 2024-07-26 18:08:54 发布 · 1.7k 阅读

9 ·

CC 4.0 BY-SA版权

文章标签：

#可视化 #算法 #python #深度学习 #数据分析

数学建模专栏收录该内容

45 篇文章

订阅专栏

本文通过Python实现主成分分析(PCA)算法，对鸢尾花数据集进行降维处理，并使用matplotlib进行可视化展示。通过不同颜色区分三种鸢尾花类别。

数学建模——主成分分析算法详解Python代码

请添加图片描述

import matplotlib.pyplot as plt                 #加载matplotlib用于数据的可视化
from sklearn.decomposition import PCA           #加载PCA算法包
from sklearn.datasets import load_iris
 
data=load_iris()
y=data.target
x=data.data
pca=PCA(n_components=2)     #加载PCA算法，设置降维后主成分数目为2
reduced_x=pca.fit_transform(x)#对样本进行降维
red_x,red_y=[],[]
blue_x,blue_y=[],[]
green_x,green_y=[],[]
 
for i in range(len(reduced_x)):
    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])
#可视化
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()