반응형
Notice
Recent Posts
Recent Comments
Link
| 일 | 월 | 화 | 수 | 목 | 금 | 토 |
|---|---|---|---|---|---|---|
| 1 | ||||||
| 2 | 3 | 4 | 5 | 6 | 7 | 8 |
| 9 | 10 | 11 | 12 | 13 | 14 | 15 |
| 16 | 17 | 18 | 19 | 20 | 21 | 22 |
| 23 | 24 | 25 | 26 | 27 | 28 |
Tags
- html
- C언어
- web 개발
- web 용어
- 결합전문기관
- java역사
- KNeighborsClassifier
- classification
- 데이터전문기관
- pycharm
- web 사진
- CES 2O21 참여
- paragraph
- tensorflow
- 자료구조
- web
- 웹 용어
- 대이터
- postorder
- discrete_scatter
- 머신러닝
- broscoding
- 재귀함수
- vscode
- Keras
- inorder
- CES 2O21 참가
- mglearn
- bccard
- cudnn
Archives
- Today
- Total
bro's coding
sklearn.decomposition.PCA.visualization 본문
반응형
https://broscoding.tistory.com/167
sklearn.cluster.PCA
PCA(Principal component analysis) 중요한 feature을 찾아내고 그것을 기준으로 축을 바꾼다. from sklearn.datasets import load_iris iris=load_iris() from sklearn.decomposition import PCA col1=0 col2=1 p..
broscoding.tistory.com
plt.scatter(iris.data[:,col1],iris.data[:,col2],c=iris.target,alpha=0.3)
plt.scatter(x_pca[:,0],x_pca[:,1],alpha=0.3)
plt.plot([-3,3],[0,0],'black',alpha=0.3)
plt.plot([0,0],[1,-1],'black',alpha=0.3)
plt.plot(np.array([-com[0,0],com[0,0]])*3+iris.data[:,col1].mean(),np.array([-com[0,1],com[0,1]])*3+iris.data[:,col2].mean(),alpha=0.3)
plt.plot(np.array([-com[1,0],com[1,0]])*2+iris.data[:,col1].mean(),np.array([-com[1,1],com[1,1]])*2+iris.data[:,col2].mean(),alpha=0.3)
plt.axis('equal')
반응형
'[AI] > python.sklearn' 카테고리의 다른 글
| sklearn.naive_bayes.BernoulliNB (0) | 2020.04.21 |
|---|---|
| sklearn.ensemble .GradientBoostingClassifier (0) | 2020.04.21 |
| sklearn.decomposition.PCA.dimension(30->2) (0) | 2020.04.21 |
| sklearn.decomposition.PCA.dimension(4->2) (0) | 2020.04.21 |
| sklearn.decomposition.PCA.basic (0) | 2020.04.21 |
| sklearn.cluster.DBSCAN (0) | 2020.04.21 |
| sklearn.datasets.make_moons (0) | 2020.04.21 |
| sklearn.cluster.KMeans.basic (0) | 2020.04.21 |
'[AI]/python.sklearn' Related Articles
more
Comments