＃ - * - コーディング：UTF-8 - * -
「」」
lsomap
「」」
NPとしてnumpyのインポート
PLTとしてインポートmatplotlib.pyplot
sklearnインポートデータセットから、マニホールド
デフLOAD_DATA（）：
「「」
次元削減のためのデータのロード
：リターン：タプル、トレーニングセットを標識し、サンプルのセットされました
「「」
アイリス= datasets.load_iris（）＃のscikit学習アイリスデータセットを使用しています
iris.data、iris.targetを返します
デフtest_lsomap（*データ）：
「「」
使用テストlsomap
：Paramのデータ：変数パラメータ。これは、その要素がここで必要とされるでタプルです：ラベルされた学習サンプルのトレーニングセット
：リターン：なし
「「」
X、Y =データ
＃次元削減目標は、4次元検査することができ、一次元、二次元、三次元：[4,3,2,1]におけるnに対する
lsomap = manifold.lsomap（n_components = N）
lsomap.fit（X）
印刷（ 'reconstruction_error（n_components =％d）が：％s' は％
（N、lsomap.reconstruction_error（）））
デフplot_lsomap_k（*データ）：
「「」
2次元のテストパラメータN_NEIGHBORS lsomap、前記次元削減の効果
：Paramのデータ：変数パラメータ。これは、その要素がここで必要とされるでタプルです：ラベルされた学習サンプルのトレーニングセット
：リターン：なし
「「」
X、Y =データ
カンザス= [1,5,25、1 y.size-]＃パラメータ候補値N_NEIGHBORSを設定します
図= plt.figure（）
私のために、列挙におけるk（KS）：
lsomap = manifold.lsomap（n_components = 2、N_NEIGHBORS = K）
X_R = lsomap.fit_transform（X）＃は、二次元のオリジナルデータセットを変換します
AX = fig.add_subplot（2,2、i + 1）の## 2行2列、各表示部lsomap異なるレンダリングパラメータN_NEIGHBORS
色=（（1,0,0）、（0,1,0）、（0,0,1）、（0.5,0.5,0）、（0,0.5,0.5）、（0.5,0,0.5） 、
（0.4,0.6,0）、（0.6、0.4）、（0,0.6,0.4）、（0.5,0.3,0.2）、）＃色セット、異なる色の色素標識された試料
ジッパーでラベル、カラー（np.unique（Y）、色）のために：
位置= Y ==ラベル
ax.scatter（X_R [位置、0]、X_R [位置1]、ラベル= "ターゲット=％dの"
％ラベル、色=色）
ax.set_xlabel（ "X [0]"）
ax.set_ylabel（ "X [1]"）
ax.legend（LOC = "最善"）
ax.set_title（ "K =％D" ％のK）
plt.suptitle（ "lsomap"）
plt.show（）
デフplot_lsomap_k_d1（*データ）：
「「」
一次元のテストパラメータN_NEIGHBORS lsomap、前記次元削減の効果
：Paramのデータ：変数パラメータ。これは、その要素がここで必要とされるでタプルです：ラベルされた学習サンプルのトレーニングセット
：リターン：なし
「「」
X、Y =データ
カンザス= [1,5,25、1 y.size-]＃パラメータ候補値N_NEIGHBORSを設定します
図= plt.figure（）
私のために、列挙におけるk（KS）：
lsomap = manifold.lsomap（n_components = 1、N_NEIGHBORS = K）
X_R = lsomap.fit_transform（X）＃1は、元のデータセットの次元に変換します
AX = fig.add_subplot（2,2、i + 1）の## 2行2列、各表示部lsomap異なるレンダリングパラメータN_NEIGHBORS
色=（（1,0,0）、（0,1,0）、（0,0,1）、（0.5,0.5,0）、（0,0.5,0.5）、（0.5,0,0.5） 、
（0.4,0.6,0）、（0.6、0.4）、（0,0.6,0.4）、（0.5,0.3,0.2）、）＃色セット、異なる色の色素標識された試料
ジッパーでラベル、カラー（np.unique（Y）、色）のために：
位置= Y ==ラベル
ax.scatter（X_R [位置]、np.zeros_like（X_R [位置]）、
ラベル= "ターゲット=％dの" ％ラベル、カラー=色）
ax.set_xlabel（ "X"）
ax.set_ylabel（ "Y"）
ax.legend（LOC = "最善"）
ax.set_title（ "K =％D" ％のK）
plt.suptitle（ "lsomap"）
plt.show（）
__name __ == '__ MAIN__' の場合：
X、Y = LOAD_DATA（）＃1次元削減は、データのセットを生成します
test_lsomap（X、Y）＃コールtest_lsomap
#plot_lsomap_k（X、Y）＃コールplot_lsomap_k
＃Plot_lsomap_k_d1（X、Y）＃コールplot_lsomap_k_d1