python机器学习应用案例---PCA
2018-03-26 20:05
429 查看
因为之前也没有见过什么数据,所以就将数据集打印到文件,新手可以一起看一看,高手就不用在看了。import matplotlib.pyplot as plt
from sklearn.decomposition import PCA
from sklearn.datasets import load_iris
data = load_iris()
y = data.target
x = data.data
f = open("./iris_data.txt", "w+") #输入到文件,打开文件
print("%d"%len(x))
sum_lst = []
for i in range(len(x)):
lst = []
lst.append(x[i])
lst.append(y[i])
sum_lst.append(lst) #将data and label 配成一对
print(lst, file=f) #逐对打出
print(sum_lst, file=f) #一次性打出来
f.close() #关闭文件
pca = PCA(n_components=2)
reduced_x = pca.fit_transform(x)
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')
plt.scatter(blue_x, blue_y, c='b', marker='D')
plt.scatter(green_x, green_y, c='g', marker='.')
plt.show()
from sklearn.decomposition import PCA
from sklearn.datasets import load_iris
data = load_iris()
y = data.target
x = data.data
f = open("./iris_data.txt", "w+") #输入到文件,打开文件
print("%d"%len(x))
sum_lst = []
for i in range(len(x)):
lst = []
lst.append(x[i])
lst.append(y[i])
sum_lst.append(lst) #将data and label 配成一对
print(lst, file=f) #逐对打出
print(sum_lst, file=f) #一次性打出来
f.close() #关闭文件
pca = PCA(n_components=2)
reduced_x = pca.fit_transform(x)
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')
plt.scatter(blue_x, blue_y, c='b', marker='D')
plt.scatter(green_x, green_y, c='g', marker='.')
plt.show()
相关文章推荐
- Python机器学习应用 | 降维——PCA方法及其应用
- PyCon 2014:机器学习应用占据Python的半壁江山
- Python机器学习应用 | 基于聚类的“图像分割”
- Python机器学习应用 | 聚类——DBSCAN方法及应用
- 2. 机器学习应用案例
- Python机器学习应用 | 监督学习
- 机器学习完整过程案例分布解析,python代码解析
- Python机器学习应用 | 基本分类模型
- Python机器学习应用 | 多项式回归
- Python机器学习应用 | 线性回归
- Python机器学习应用--KNN
- 机器学习完整过程案例分布解析,python代码解析
- Python机器学习应用 | 强化学习
- Python机器学习应用 | 期末大作业1(程序设计)
- Python机器学习应用 | KNN实现手写识别
- 机器学习完整过程案例分布解析,python代码解析
- Python机器学习应用 | 无监督学习
- Python机器学习应用 | 降维——NMF方法及实例
- Python机器学习应用 | 人体运动状态预测
- Python机器学习应用 | 岭回归