利用PCA降維對鳶尾花數據進行分類

使用PCA方法對高維的鳶尾花數據(4維3類樣本)進行降維分類，部分鳶尾花數據集如下：

#coding=utf-8
import matplotlib.pyplot as plt
from sklearn.decomposition import PCA
from sklearn.datasets import load_iris

data = load_iris()#以字典形式加載鳶尾花數據集


y = data.target #使用y表示數據集中的標簽
x = data.data #使用x表示數據集中的屬性數據
#使用PCA 算法，設置降維后主成分數目為 2
#print(x,'\n', y)

pca = PCA(n_components=2)
#對原始數據進行降維，保存在 reduced_X 中
reduced_X = pca.fit_transform(x)


red_x, red_y = [], []
blue_x, blue_y = [], []
green_x, green_y = [], []

for i in range(len(reduced_X)):
    #標簽為0時，2維標簽數據保存到列表red_x,red_y中
    if y[i] == 0:
        red_x.append(reduced_X[i][0])
        red_y.append(reduced_X[i][1])

    elif y[i] == 1:
        blue_x.append(reduced_X[i][0])
        blue_y.append(reduced_X[i][1])

    else:
        green_x.append(reduced_X[i][0])
        green_y.append(reduced_X[i][1])

#第一、二、三類數據點可視化
plt.scatter(red_x, red_y, c='r', marker='x')
plt.scatter(blue_x, blue_y, c='b', marker='D')
plt.scatter(green_x, green_y, c='g', marker='.')

plt.show()

結果如下：