文件名称：颜色分类leetcode-dsc-3-34-06-performing-principle-component-analysis-seattl
文件大小：262KB
文件格式：ZIP
更新时间：2024-07-26 17:32:27
系统开源
颜色分类leetcode scikit-learn 中的主成分分析 - 实验室 介绍 现在您已经看到了 PCA 的简要介绍，是时候尝试自己实现该算法了。 目标 你将能够： 使用 Iris 数据集在 Python 和 scikit-learn 中执行 PCA 衡量 PCA 对分类算法准确性的影响 绘制不同分类实验的决策边界以直观地检查它们的性能。 鸢尾花数据集 要练习 PCA，您将查看 iris 数据集。 运行下面的单元格以加载它。 from sklearn import datasets import pandas as pd iris = datasets . load_iris () df = pd . DataFrame ( iris . data , columns = iris . feature_names ) df [ 'Target' ] = iris . get ( 'target' ) df . head () <style scoped> .dataframe tbody tr th:only-of-type { vertical-align: middle; }
【文件预览】：
dsc-3-34-06-performing-principle-component-analysis-seattle-ds-career-040119-master
----index_files()
--------index_16_0.png(38KB)
--------index_4_0.png(90KB)
--------index_26_1.png(38KB)
----CONTRIBUTING.md(2KB)
----index.ipynb(137KB)
----LICENSE.md(1KB)
----.gitignore(64B)
----.learn(86B)
----README.md(8KB)