6.4.2PCA主成分的python实现方法
2018-06-02 本文已影响0人
夏日春风
最广泛无监督算法+基础的降维算法
通过线性变换将原始数据变换为一组各维度线性无关的表示,用于提取数据的主要特征分量 →高纬度数据降维
二维数据降维、多维数据降维
1--创建数据
![](https://img.haomeiwen.com/i5798142/4055bdac202ee6f8.png)
2.1-- 二维数据降维
![](https://img.haomeiwen.com/i5798142/d4e88875153b6347.png)
2.2--形成散点图
![](https://img.haomeiwen.com/i5798142/4bb80eb002cb99c5.png)
3.0-多维度数据降维
3.1--导入数据
![](https://img.haomeiwen.com/i5798142/423855de10654153.png)
3.3-将数据放入PCA进行降维
![](https://img.haomeiwen.com/i5798142/e0695c926442c562.png)
3.4--创建散点图
![](https://img.haomeiwen.com/i5798142/2cc4ac54d06d9efb.png)
4--#如何选取主要维度
![](https://img.haomeiwen.com/i5798142/1cd388748bc1ac16.png)
最广泛无监督算法+基础的降维算法
通过线性变换将原始数据变换为一组各维度线性无关的表示,用于提取数据的主要特征分量 →高纬度数据降维
二维数据降维、多维数据降维
1--创建数据
2.1-- 二维数据降维
2.2--形成散点图
3.0-多维度数据降维
3.1--导入数据
3.3-将数据放入PCA进行降维
3.4--创建散点图
4--#如何选取主要维度