数据可视化: PCA降低到2维显示

z0n1l2

于 2018-10-16 11:52:52 发布

阅读量3.5k

点赞数

分类专栏： codes 文章标签： pca sklearn

本文链接：https://blog.youkuaiyun.com/z0n1l2/article/details/83073260

版权

codes 专栏收录该内容

21 篇文章

订阅专栏

本文介绍了一种使用增量PCA(IncrementalPCA)进行图像分类的方法。通过从两个类别的图像中提取特征，并将其转换为二维空间，然后用不同颜色绘制出来，实现了直观的图像分类可视化。此方法适用于大量图像数据的预处理和特征提取。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

import os,cv2
import numpy as np
from sklearn.decomposition import IncrementalPCA
from matplotlib import pyplot as plt

input_folders = [ ('classA/','red'),
                  ('classB/','blue') ]
H,W = 64,64


transformer = IncrementalPCA(n_components=2)
for input_folder,color in input_folders:
    X = []
    for name in os.listdir(input_folder):
        path = os.path.join(input_folder, name)
        img = cv2.imread(path,0)
        X.append(np.reshape(img,(1,-1)))
    X = np.vstack(X)
    transformer.partial_fit(X)

for input_folder,color in input_folders:
    X = []
    for name in os.listdir(input_folder):
        path = os.path.join(input_folder, name)
        img = cv2.imread(path,0)
        X.append(np.reshape(img,(1,-1)))
    X = np.vstack(X)
    X = transformer.transform(X)
    x = X[:,0]
    y = X[:,1]
    plt.scatter(x,y,c=color)
plt.show()