颜色分类leetcode-dsc-pca-in-scikitlearn-lab:dsc-pca-in-scikitlearn-l...

颜色分类leetcode scikit-learn 中的主成分分析 - 实验室 介绍 现在您已经看到了 PCA 的简要介绍，是时候使用 scikit-learn 自行运行 PCA。 目标 在本实验中，您将： 使用 scikit-learn 库实现 PCA 通过观察解释方差确定执行 PCA 时 n 个分量的最佳数量 绘制分类实验的决策边界以直观地检查其性能 鸢尾花数据集 要练习 PCA，您将查看 iris 数据集。 运行下面的单元格以加载它。 from sklearn import datasets import pandas as pd iris = datasets . load_iris () df = pd . DataFrame ( iris . data , columns = iris . feature_names ) df [ 'Target' ] = iris . get ( 'target' ) df . head () 在执行 PCA 和可视化主要组件之前，获得有关您将使用的数据的更多上下文会很有帮助。 运行下面的单元格以可视化成对特征图。 有了这个，请注意目标标