利用PCA（主成分分析法）实现鸢尾花数据集的分类

利用PCA（主成分分析法）实现鸢尾花数据集的分类

依赖库 sklearn、matplotlib
安装方法 在终端输入

pip install sklearn 1

pip install matplotlib 1

以下为完整代码及注释

import matplotlib.pyplot as plt #加载matplotlib用于数据的可视化 from sklearn.decomposition import PCA #加载PCA算法包 from sklearn.datasets import load_iris #加载鸢尾花数据集导入函数 #降维 data = load_iris() #以字典形式加载鸢尾花数据集 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目为2 reduced_X = pca.

相关知识

主成分分析：PCA的思想及鸢尾花实例实现
卷积神经网络实现鸢尾花数据分类python代码实现
机器学习（三）降维之PCA及鸢尾花降维
KNN算法实现鸢尾花数据集分类
机器学习之路：经典的鸢尾花数据集
实验一：鸢尾花数据集分类
python鸢尾花数据集的分类问题 -- 逻辑回归问题研究
原生python实现knn分类算法(鸢尾花数据集)
深度学习入门——基于TensorFlow的鸢尾花分类实现（TensorFlow
Python原生代码实现KNN算法（鸢尾花数据集）

原文链接: 利用PCA（主成分分析法）实现鸢尾花数据集的分类 https://www.huajiangbk.com/newsview546445.html