# -*- coding: utf-8 -*- ''' Created on 2018年1月18日 @author: Jason.F @summary: 特征抽取-KPCA方法 ''' import pandas as pd import numpy as np import matplotlib.pyplot as plt from sklearn.decomposition import KernelPCA from sklearn.datasets import make_moonsX,y=make_moons(n_samples=100,random_state=123)#生成半月形數據 scikit_kpca=KernelPCA(n_components=2,kernel='rbf',gamma=15) X_skernpca=scikit_kpca.fit_transform(X)#映射 #可視化 plt.scatter(X_skernpca[y==0,0],X_skernpca[y==0,1],color='red',marker='^',alpha=0.5) plt.scatter(X_skernpca[y==1,0],X_skernpca[y==1,1],color='blue',marker='o',alpha=0.5) plt.xlabel('PC1') plt.ylabel('PC2') plt.show()''' scikit-learn實現的高級非線性降維技術，參考： http://scikit-learn.org/stable/modules/manifold.html '''

結果：

總結

以上是生活随笔為你收集整理的【Python-ML】SKlearn库特征抽取-KPCA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。