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 | 29 | 30 |
Tags
- discrete_scatter
- postorder
- inorder
- 결합전문기관
- broscoding
- web 개발
- 데이터전문기관
- web
- paragraph
- CES 2O21 참가
- web 사진
- C언어
- pycharm
- 대이터
- vscode
- tensorflow
- 자료구조
- Keras
- classification
- 웹 용어
- web 용어
- mglearn
- html
- bccard
- java역사
- cudnn
- 재귀함수
- KNeighborsClassifier
- CES 2O21 참여
- 머신러닝
Archives
- Today
- Total
bro's coding
sklearn.decomposition.PCA.dimension(4->2) 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
https://broscoding.tistory.com/168
sklearn.cluster.PCA.visualization
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(..
broscoding.tistory.com
pca=PCA(n_components=2)
pca.fit(iris.data)
pca.components_
# col:2 가 가장 중요 그 다음 col:0 or 1 이 중요'''
array([[ 0.36158968, -0.08226889, 0.85657211, 0.35884393],
[ 0.65653988, 0.72971237, -0.1757674 , -0.07470647]])
'''
X=pca.transform(iris.data)
plt.scatter(X[:,0],X[:,1],c=iris.target)
반응형
'[AI] > python.sklearn' 카테고리의 다른 글
| sklearn.datasets.fetch_lfw_people (0) | 2020.04.22 |
|---|---|
| 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.visualization (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 |
'[AI]/python.sklearn' Related Articles
more
Comments