Sklearn中主成分分析（PCA）在Iris数据集上的应用

iris数据集：

iris数据集从sklearn中获取，其csv文件地址...\Lib\site-packages\sklearn\datasets\data\iris.csv

 

最初接触主成分分析是在数学建模中，旨在以较少的新指标来替换原来较多的旧指标，换句话说就是对高维空间进行降维处理。

Iris数据集是常用的分类实验数据集，包括150个样本，分为3类（Setosa，Versicolour，Virginica）。每个样本包括花萼长度，花萼宽度，花瓣长度，花瓣宽度4个特征。由于样本特征已经属于高维数据，不便以图解形式分类。为了直观上对3种鸢尾花的分类有一个感性的认识，我们可以通过PCA降维处理，使其样本只包含两个新特征。

函数原型及主要参数说明

class sklearn.decomposition.PCA(n_components=None)

参数说明：

 n_components : 类型：int, float, None or string

                            含义：所要保留的主成分个数（Number of components to keep）。

函数方法

fit_transform(self, X, y=None)

参数说明：

X:训练数据X_train,并且X_train.shape(n_samples, n_features)（注：n_features为原样本的特征个数）

y : Ignored.

返回：

 X_new : X_new.shape (n_samples, n_components )(注：n_components为设置保留的主成分个数)

应用

直接附上基于python的代码。

from sklearn.datasets import load_iris           #导入数据集
from sklearn.decomposition import PCA            #导入函数库
import matplotlib.pyplot as plt
import numpy as np
iris=load_iris()
pca=PCA(n_components=2)                           #设置保留的主成分个数为2
trans_data=pca.fit_transform(iris.data)           #调用fit_transform方法，返回新的数据集
index1=np.where(iris.target==0)
index2=np.where(iris.target==1)
index3=np.where(iris.target==2)
labels=['setosa', 'versicolor', 'virginica']
plt.plot(trans_data[index1][:,0],trans_data[index1][:,1],'r*')
plt.plot(trans_data[index2][:,0],trans_data[index2][:,1],'g*')
plt.plot(trans_data[index3][:,0],trans_data[index3][:,1],'b*')
plt.legend(labels)
plt.show()

最后附上效果图，可以发现通过PCA降维处理能直观上对数据进行分类，并且在Iris数据集上有较好的体现。