使用协方差矩阵的特征向量PCA来处理数据降维

PCA降维与Iris数据集可视化

最新推荐文章于 2022-10-31 10:00:00 发布

原创最新推荐文章于 2022-10-31 10:00:00 发布 · 372 阅读

0 ·

CC 4.0 BY-SA版权

本文通过使用主成分分析(PCA)算法将Iris数据集的维度降至二维，便于进行图形化展示。通过对不同种类的鸢尾花数据进行颜色编码并用不同标记绘制，实现了对数据集中三种鸢尾花类型的清晰区分与可视化。

取2维特征，方便图形展示

import matplotlib.pyplot as plt
from sklearn.decomposition import PCA
from sklearn.datasets import load_iris

data = load_iris()
y = data.target
X = data.data
pca = PCA(n_components=2)
reduced_X = pca.fit_transform(X)

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])
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()