基于PCA的数据降维（鸢尾花（iris）数据集）
目录
一、数据集
二、PCA降维
1）加载数据集
2）PCA降维过程
3）可视化降维效果
三、运行效果图
一、数据集
鸢尾花数据集是 Python 中 sklearn 库自带的数据集。数据本身是四维数据集，这里采用数据降维技术将数据降至二维，以便更好地可视化数据特征。
二、PCA降维
1）加载数据集首先加载高维数据集（维度为4），并确定降维后空间维度n_components(维度为2）。
from sklearn.datasets import load_iris
data = load_iris()
y = data.target
x = data.data
n_components = 2
2）PCA降维过程执行PCA算法进行降维操作，得到降维后的向量reduce_x。
from sklearn.decomposition import PCA
pca = PCA(n_components = n_components)
reduced_x = pca.fit_transform(x)
3）可视化降维效果由于数据集已经进行了预定义为三类，为了有效区分不同类型之间特征以及同类别间的联系，将在二维空间进行可视化操作。
import matplotlib.pyplot as plt
red_x,red_y = [],[]
blue_x,blue_y = [],[]
green_x,green_y = [],[]
for i in range(len(reduced_x)):
if y[i] == 0:
red_x.append(reduced_x[i][0])
red_y.append(reduced_x[i][1])
elif y[i] == 1:
blue_x.append(reduced_x[i][0])
blue_y.append(reduced_x[i][1])
else:
green_x.append(reduced_x[i][0])
green_y.append(reduced_x[i][1])
plt.scatter(red_x,red_y,c='r',marker='x',label='Class1')
plt.scatter(blue_x,blue_y,c='b',marker='D',label='Class2')
plt.scatter(green_x,green_y,c='g',marker='.',label='Class3')
三、运行效果图
可以清晰地看到三类数据被分割，且 Class1 与 Class2 和 Class3 差别明显。这证明了PCA降维的确提取出了重要特征，并且这种特征可以更好地区分数据，从而避免了数据集的“高维灾难”。
相关知识
机器学习（三）降维之PCA及鸢尾花降维
机器学习之路：经典的鸢尾花数据集
鸢尾花数据集下载
卷积神经网络实现鸢尾花数据分类python代码实现
分析鸢尾花数据集
python鸢尾花数据集的分类问题 -- 逻辑回归问题研究
R语言数据分析案例：鸢尾花（IRIS）
机器学习数据集之鸢尾花
iris鸢尾花数据集最全数据分析写在前面本文介绍数据预处理
python实践gcForest模型对鸢尾花数据集iris进行分类
网址: 基于PCA的数据降维（鸢尾花（iris）数据集） https://m.huajiangbk.com/newsview545966.html
| 上一篇: iris数据 |
下一篇: 人工智能 |
