【文件属性】:
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:2021-07-06 23:45:47
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)