利用PCA降维对鸢尾花数据进行分类

使用PCA方法对高维的鸢尾花数据(4维3类样本)进行降维分类，部分鸢尾花数据集如下：

#coding=utf-8
import matplotlib.pyplot as plt
from sklearn.decomposition import PCA
from sklearn.datasets import load_iris

data = load_iris()#以字典形式加载鸢尾花数据集


y = data.target #使用y表示数据集中的标签
x = data.data #使用x表示数据集中的属性数据
#使用PCA 算法，设置降维后主成分数目为 2
#print(x,'
', y)

pca = PCA(n_components=2)
#对原始数据进行降维，保存在 reduced_X 中
reduced_X = pca.fit_transform(x)


red_x, red_y = [], []
blue_x, blue_y = [], []
green_x, green_y = [], []

for i in range(len(reduced_X)):
    #标签为0时，2维标签数据保存到列表red_x,red_y中
    if y[i] == 0:
        red_x.append(reduced_X[i][0])
        red_y.append(reduced_X[i][1])

    elif y[i] == 1:
        blue_x.append(reduced_X[i][0])
        blue_y.append(reduced_X[i][1])

    else:
        green_x.append(reduced_X[i][0])
        green_y.append(reduced_X[i][1])

#第一、二、三类数据点可视化
plt.scatter(red_x, red_y, c='r', marker='x')
plt.scatter(blue_x, blue_y, c='b', marker='D')
plt.scatter(green_x, green_y, c='g', marker='.')

plt.show()

结果如下：