##############################數據處理 #數據導入 $$ 數據轉換 import os import numpy as np import pandas as pd from collections import defaultdictdef convert_number():try:return float(x)except ValueError:return np.nanconverters=defaultdict(convert_number) converters[1558]=lambda x: 1 if x.strip() == "ad." else 0#問號處理 for i in range(0,1558):converters[i]=lambda x: np.nan if x.strip() == "?" else x ads=pd.read_csv("ad.data",header=None,converters=converters) ads.head()#特征抽取 ads.dropna(inplace=True) X=ads.drop(1558,axis=1).values y=ads[1558] X[:5]#############################主成分分析 from sklearn.decomposition import PCA pca=PCA(n_components=5) Xd=pca.fit_transform(X)np.set_printoptions(precision=3,suppress=True) pca.explained_variance_ratio_##PCA評估 from sklearn.tree import DecisionTreeClassifier from sklearn.model_selection import cross_val_score clf=DecisionTreeClassifier() scores_reduced=cross_val_score(clf,Xd,y,scoring='accuracy') print("the accuracy is {0:.1f}%".format(100*np.mean(scores_reduced)))#作圖 %matplotlib inline from matplotlib import pyplot as plt #類別獲取 classes=set(y) #顏色指定 colors=['red','green'] for cur_class,color in zip(classes,colors):mask=(y==cur_class).valuesplt.scatter(Xd[mask,0], Xd[mask,1], marker='o', color=color, label=int(cur_class)) plt.legend() plt.show() 與50位技術專家面對面20年技術見證，附贈技術全景圖

總結

以上是生活随笔為你收集整理的PCA主成分分析_特征创建(数据挖掘入门与实践-实验8)的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。