用Python的sklearn库进行PCA(主成分分析)
来源:互联网 发布:软件下载网线 编辑:程序博客网 时间:2024/05/19 16:38
在python的sklearn的库里面集成很多机器学习算法的库,其中也包括主成分分析的方法。
接下来讲讲怎么在python里面使用pca算法
首先要导入库:
from sklearn.decomposition import PCA
下面是官网上的例子:
>>> X = np.array([[-1, -1], [-2, -1], [-3, -2], [1, 1], [2, 1], [3, 2]])>>> pca = PCA(n_components=2)>>> pca.fit(X)PCA(copy=True, n_components=2, whiten=False)>>> print(pca.explained_variance_ratio_) [ 0.99244... 0.00755...]
先创建一个PCA对象,其中参数n_components表示保留的特征数,默认为1。如果设置成‘mle’,那么会自动确定保留的特征数
最后显示的 参数 explained_variance_ratio_:array, [n_components]返回 所保留的n个成分各自的方差百分比,这里可以理解为单个变量方差贡献率,
可以看到第一个特征的单个变量方差贡献率已经到达0.99,意味着几乎保留了所有的信息。所以只保留一个特征即可
>>> import numpy as np>>> from sklearn.decomposition import PCA>>> X = np.array([[-1, -1], [-2, -1], [-3, -2], [1, 1], [2, 1], [3, 2]])>>> pca = PCA(n_components='mle')>>> pca.fit(X)# PCA(copy=True, n_components=2, whiten=False)>>> print(pca.explained_variance_ratio_)[ 0.99244291]现在我们将n_components设置成"mle",发现自动保留了一个特征。
1 1
- 用Python的sklearn库进行PCA(主成分分析)
- 【机器学习】Sklearn库主成分分析PCA降维的运用实战
- python版PCA(主成分分析)
- Python 主成分分析PCA
- Python 主成分分析PCA
- 主成分分析(PCA)的来龙去脉
- 用PCA(主成分分析法)进行信号滤波
- SAS进行主成分分析(Principal Component Analysis,PCA)
- R中进行PCA主成分分析
- 主成分分析(PCA)
- 主成分分析(PCA)
- 主成分分析(PCA)
- 主成分分析(PCA)
- 主成分分析(PCA)
- 主成分分析(PCA)
- 主成分分析(PCA)
- 主成分分析(PCA)
- 主成分分析(PCA)
- git命令行在windows中报错WARNING: terminal is not fully functional
- 抽象类和接口
- 【POJ3250】Bad Hair Day
- 解决outlook 中邮件中,点击链接提示(您的组织策略阻止我们为您完成此操作)解决方案
- web性能权威指南学习笔记 Item02
- 用Python的sklearn库进行PCA(主成分分析)
- Python爬虫实战二:下载百度贴吧帖子内的壁纸
- Java多线程学习(吐血超详细总结)
- WEB性能权威指南学习笔记 Item03
- Struts文件上传包含修改文件上传参数,多文件上传
- 优先队列
- MYsql IN谓词优化
- SQLserver 关于 left join group by 等用法笔记
- 关于table设置固定宽度高度自适应