首页分享 PCA实现鸢尾花数据集降维可视化

PCA实现鸢尾花数据集降维可视化

来源：花匠小妙招时间：2025-05-13 18:23

基于《Python机器学习》——北京理工大学学习笔记

PCA实现高维数据可视化

数据来源

http://archive.ics.uci.edu/ml/datasets/Iris

主成分分析（Principal Component Analysis，PCA）是最常用的一种降维方法，通常用于高维数据集的探索与可视化，还可以用作数据压缩和预处PCA可以把具有相关性的高维变量合成为线性无关的低维变量，称为主成分。主成分能够尽可能保留原始数据的信息。

目标：已知鸢尾花数据是4维的，共三类样本。使用PCA实现对鸢尾花数据进行降维，实现在二维平面上的可视化。

原理：矩阵的主成分就是其协方差矩阵对应的特征向量，按照对应的特征值大小进行排序，最大的特征值就是第一主成分，其次是第二主成分，以此类推。

import matplotlib.pyplot as plt #导入相关工程包 from sklearn.decomposition import PCA from sklearn.datasets import load_iris data = load_iris() #加载鸢尾花数据 y = data.target #使用Y表示数据集中的标签 X = data.data #使用X表示数据集中的属性数据 pca = PCA(n_components=2) #加载PCA算法，设置降维后主成分数为2 reduced_X = pca.fit_transform(X) #对原始数据进行降维并保存在reduced_X中 red_x, red_y = [], [] #第一类数据点 blue_x, blue_y = [], [] #第二类数据点 green_x, green_y = [], [] #第三类数据点 for i in range(len(reduced_X)): #利用for语句按类别把鸢尾花数据保存在不同列表中 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') #降维后数据点的可视化 plt.scatter(blue_x, blue_y, c='b', marker='D') plt.scatter(green_x, green_y, c='g', marker='.') plt.show()

1234567891011121314151617181920212223242526272829

主要参数

n_components：指定主成分的个数，即降维后数据的维度。svd_solver ：设置特征值分解的方法，默认为‘auto’,其他可选有‘full’, ‘arpack’, ‘randomized’。

plt.scatter()用法：
函数的原型：

matplotlib.pyplot.scatter(x, y, s=None, c=None, marker=None, cmap=None, norm=None, vmin=None, vmax=None, alpha=None, linewidths=None, verts=None, edgecolors=None, *, data=None, **kwargs)

参数的解释：

x，y：表示的是大小为(n,)的数组，也就是我们即将绘制散点图的数据点

s:是一个实数或者是一个数组大小为(n,)，这个是一个可选的参数。

c:表示的是颜色，也是一个可选项。默认是蓝色’b’,表示的是标记的颜色，或者可以是一个表示颜色的字符，或者是一个长度为n的表示颜色的序列等等，感觉还没用到过现在不解释了。但是c不可以是一个单独的RGB数字，也不可以是一个RGBA的序列。可以是他们的2维数组（只有一行）。

marker:表示的是标记的样式，默认的是’o’。

原文链接：https://blog.csdn.net/m0_37393514/article/details/81298503