數學建模——主成分分析算法詳解Python代碼

import matplotlib.pyplot as plt #加載matplotlib用于數據的可視化 from sklearn.decomposition import PCA #加載PCA算法包 from sklearn.datasets import load_irisdata=load_iris() y=data.target x=data.data pca=PCA(n_components=2) #加載PCA算法，設置降維后主成分數目為2 reduced_x=pca.fit_transform(x)#對樣本進行降維 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]) #可視化 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()

總結

以上是生活随笔為你收集整理的数学建模——主成分分析算法详解Python代码的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。