鸢尾花数据可视化,PCA降到两维后,对数据标准化、归一化
最新推荐文章于 2024-11-19 11:58:54 发布

super_girl_WMM 于 2019-04-28 13:21:47 发布
版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。
该博客介绍了如何使用PCA将鸢尾花数据降维到二维,并展示了降维后的数据贡献率。接着,文章通过归一化和标准化处理,将数据调整至(0,1)区间和标准正态分布,适用于机器学习算法,特别是支持向量机等。并附有处理前后的可视化效果对比。" 121007745,10315542,势函数法在模式识别中的应用,"['机器学习', '人工智能', '数据结构']
摘要由CSDN通过智能技术生成
用PCA降维,后输出降维后每一列的贡献率,各列贡献相加为1.
// An highlighted block if __name__ == "__main__": iris = datasets.load_iris() # 获取鸢尾花数据集Dick X=iris["data"]#训练数据 Y=iris["target"]#类别 pca = PCA(n_components=2) # 降到2维 pca.fit(X) # 训练 x = pca.fit_transform(X) # 降维后的数据 print(pca.explained_variance_ratio_) # 输出贡献率 123456789
基于鸢尾花数据画图,用PCA降维到两维后
plt.figure(figsize=(10, 5)) # x1_min, x1_max = x[:, 1
相关知识
基于PCA与LDA的数据降维实践
鸢尾花数据集降维可视化
基于PCA的数据降维(鸢尾花(iris)数据集)
机器学习之路:经典的鸢尾花数据集
python实战(一)——iris鸢尾花数据集分类
鸢尾花数据集分析
利用PCA(主成分分析法)实现鸢尾花数据集的分类
机器学习(三)降维之PCA及鸢尾花降维
计算方法实验6:对鸢尾花数据集进行主成分分析(PCA)并可视化
PCA应用(鸢尾花分类)
网址: 鸢尾花数据可视化,PCA降到两维后,对数据标准化、归一化 https://m.huajiangbk.com/newsview1545211.html