PCA-数据降维

PCA实现数据降维

最新推荐文章于 2023-11-11 19:51:19 发布

原创

最新推荐文章于 2023-11-11 19:51:19 发布 · 335 阅读

0 ·

CC 4.0 BY-SA版权

本文介绍了如何使用PCA（主成分分析）进行数据降维。通过导入sklearn库，创建样本数据，并使用PCA方法进行降维，从3维降至2维甚至1维，可视化展示了降维后的效果。

利用PCA方法进行数据降维，通过sklearn中的PCA方法
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
from sklearn.datasets.samples_generator import make_blobs #产生样本

X , Y = make_blobs(n_samples=10000,n_features=3,centers=[[4,4,3],[0,3,0],[1,2,1],[2,1,2]],cluster_std=
[0.1,0.1,0.2,0.2],random_state=8)
fig=plt.figure()
ax=Axes3D(fig,rect=[0,0,1,1],elev=30,azim=20)
plt.scatter(X[:,0],X[:,1],X[:,2],marker=‘o’)
plt.show()
在这里插入图片描述
from sklearn.decomposition import PCA
pca=PCA(n_components=3)
pca.fit(X)
print(pca.explained_variance_ratio_)
print(pca.explained_variance_)