数据挖掘-K-近邻分类器-Iris数据集分析-PCA降维处理后显示分类情况(三)

阳光穿透心脏的1/2处 2022-07-11 13:26 189阅读 0赞

# coding: utf-8
    
    #使用PCA(principal component analysis主成分分析法)减少系统的维数( 因为以上四个测量数据减少到三个后，就可以使用3D散点图更好的描述)
    #PCA可以保留足以描述各数据点特征的信息，其中新生成的各维叫主成分.
    #scikit-learn库中的fit_transform()函数就是用来降维处理的. 
    #PCA对象简介 :  http://blog.csdn.net/u012102306/article/details/52294726
    import matplotlib.pyplot as plt
    #3D散点图
    from mpl_toolkits.mplot3d import Axes3D
    #数据集
    from sklearn import datasets
    #PCA对象
    from sklearn.decomposition import PCA
    
    #中文显示
    import matplotlib.font_manager as fm
    #mac中的字体问题请看: https://zhidao.baidu.com/question/161361596.html
    myfont = fm.FontProperties(fname='/Library/Fonts/Xingkai.ttc')
    #加载数据
    iris=datasets.load_iris()
    #取出花的种类
    species=iris.target
    #执行PCA降维处理
    x_reduced=PCA(n_components=3).fit_transform(iris.data)
    #绘制3D散点图
    fig=plt.figure()
    ax=Axes3D(fig)
    ax.set_title(u"PCA降维后的数据",size=14,fontproperties=myfont)
    ax.scatter(x_reduced[:,0],x_reduced[:,1],x_reduced[:,2],c=species)
    ax.set_xlabel(u"第一特征向量",fontproperties=myfont)
    ax.set_ylabel(u"第二特征向量",fontproperties=myfont)
    ax.set_zlabel(u"第三特征向量",fontproperties=myfont)
    ax.w_xaxis.set_ticklabels(())
    ax.w_yaxis.set_ticklabels(())
    ax.w_zaxis.set_ticklabels(())
    
    #将图表保存为png图片, 注意这句话必须在plot()之后，否则将得到一个空白图片
    plt.savefig('python_8_3_鸢尾花分类预测_PCA降维后显示.png')
    
    plt.show()

![Center][]

[Center]: /images/20220711/b5cc44e203474993a4dd2d0ab61b2a8f.png