用PCA对带噪声的手写数字进行降维处理
引入手写数字数据集,代码如下:
from sklearn import datasets
digits = datasets.load_digits()
X = digits.data
y = digits.target
制作一个含噪声的数据集
noisy_digits = X + np.random.normal(0, 4, size=X.shape)
从样本中取出100个digits,称其为example_digits。
初始的时候,在noisy_digits中y=0中取十个,然后进行循环从一到十,每一个都再从noisy_digits中取出y=num的十个,将这些样本和原来的样本垒在一起
example_digits = noisy_digits[y == 0, :][:10]
for num in range(1, 10):
X_num = noisy_digits[y == num

文章通过Python的sklearn库展示了如何使用PCA(主成分分析)对手写数字数据集进行降维处理,以去除噪声。首先,加载digits数据集并添加噪声,然后创建一个包含各种数字的样本集。PCA被应用于噪声数据,降维后通过inverse_transform恢复,最后对比展示降噪处理前后的图像效果。
最低0.47元/天 解锁文章
2845

被折叠的 条评论
为什么被折叠?



