PCA/LSA可视化实例-Python实现

NumLock桌

于 2020-12-09 14:01:47 发布

阅读量520

点赞数

本文链接：https://blog.youkuaiyun.com/weixin_43628432/article/details/110921383

版权

本文通过Python详细介绍了主成分分析(PCA)和潜在语义分析(LSA)的可视化过程，包括数据预处理、降维及可视化图表的生成，帮助理解这两种常用的特征降维方法。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D 
from sklearn.decomposition import PCA
import random 

class MyModel(object):
	
	def __init__(self):
		self.num = 250
		self.num_of_centre = 3
		self.c = ['b','r','black']

	def _get_data(self,centre_1=1,limit_1=1.2,\
			      	   centre_2=3,limit_2=1.2,\
			      	   centre_3=5,limit_3=1.2):
		allResults = []
		num=self.num

最低0.47元/天解锁文章