Python sklearn库实现PCA教程(以鸢尾花分类为例)
版权申诉
5星 · 超过95%的资源 178 浏览量
2020-09-17
20:35:56
上传
评论 3
收藏 141KB PDF 举报 
Python sklearn库实现库实现PCA教程教程(以鸢尾花分类为例以鸢尾花分类为例)
今天小编就为大家分享一篇Python sklearn库实现PCA教程(以鸢尾花分类为例)，具有很好的参考价值，希望对
大家有所帮助。一起跟随小编过来看看吧
PCA简介简介
主成分分析（Principal Component Analysis，PCA）是最常用的一种降维方法，通常用于高维数据集的探索与可视化，还可
以用作数据压缩和预处理等。矩阵的主成分就是其协方差矩阵对应的特征向量，按照对应的特征值大小进行排序，最大的特征
值就是第一主成分，其次是第二主成分，以此类推。
基本步骤：基本步骤：
具体实现具体实现
我们通过Python的sklearn库来实现鸢尾花数据进行降维，数据本身是4维的降维后变成2维，可以在平面中画出样本点的分
布。样本数据结构如下图：
其中样本总数为150，鸢尾花的类别有三种，分别标记为0，1，2
代码代码
import matplotlib.pyplot as plt #加载matplotlib用于数据的可视化
from sklearn.decomposition import PCA #加载PCA算法包
from sklearn.datasets import load_iris
评论3
最新资源