对糖尿病数据进行PCA降维
2017-09-01 15:15
155 查看
from sklearn import datasets #加载数据集 from sklearn import decomposition data=datasets.load_diabetes() data=data.data jiangwei=decomposition.PCA(n_components=4) #提取四个主成分 jiangwei.fit(data) jiangwei.components_ #展示四个主成分的系数 new_data=jiangwei.transform(data) jiangwei.explained_variance_ #主成分解释的方差 jiangwei.explained_variance_ratio_ #解释的比例 jiangwei.inverse_transform(new_data) #反向操作，将降为后的数据还原
内容来自用户分享和网络整理，不保证内容的准确性，如有侵权内容，可联系管理员处理 
相关文章推荐
- 使用PCA对特征数据进行降维
- 数据降维——PCA
- Python机器学习：5.1 PCA进行无监督降维
- PCA数据降维
- 数据挖掘—LDA,PCA特征提取降维与SVM多分类在人脸识别中的应用－数据集ORL
- [机器学习]-PCA数据降维：从代码到原理的深入解析
- 数据预处理之数据降维 PCA法
- 数据降维的作用PCA与LDA
- 运用PCA进行降维的好处
- 数据降维处理：PCA之特征值分解法例子解析
- 数据降维(pca)
- 数据降维技术——PCA（主成分分析）
- （Python实现）数据PCA降维白化和L2归一化-深度学习实践常用数据预处理
- 机器学习（五）PCA数据降维
- 数据降维、PCA——基于鸢尾花数据集
- 数据降维之LDA&PCA
- 【数据挖掘】降维(PCA、流形学习)
- Day Two——填充缺失值、归一化数据、PCA降维分析
- 用R语言对高维数据进行降维聚类展示
- 机器学习数据预处理：数据降维之PCA