应用降维算法 PCA 实现高维数据可视化

文章结构概述

• • 引言

    • 直接查看代码内容

    • • 引入所需模块
      • 数据采集
      • 维度缩减
      • • 展示维度缩减后的数据信息

    • 构建新的特征矩阵

      • 图形展示
      • • 对X_dim2[y==i, 0]的说明

    • 结论

序言

在面对大量数据时，仅凭肉眼几乎无法直观判断其分布特征，因此人们通常希望通过图形化手段来呈现数据的分布状态。然而，现实中的数据往往具有较高的维度，而人类视觉系统所能直接感知的维度上限为三维。针对这一问题，可以借助降维算法PCA将高维数据降至三维以下，从而更清晰地观察其分布情况。需要特别指出的是，上述方法仅适用于对分类标签数据进行可视化处理的情形。

废话不多说看代码

本次实验所采用的数据来源于sklearn库中内置的鸢尾花数据集

模块导入与初始化

    from sklearn.datasets import load_iris
    from sklearn.decomposition import PCA
    import pandas as pd
    import numpy as np
    import matplotlib.pyplot as plt
    
    %matp