zoukankan      html  css  js  c++  java
  • 吴裕雄 python 机器学习——多维缩放降维MDS模型

    # -*- coding: utf-8 -*-
    
    import numpy as np
    import matplotlib.pyplot as plt
    
    from sklearn import datasets,manifold
    
    def load_data():
        '''
        加载用于降维的数据
        '''
        # 使用 scikit-learn 自带的 iris 数据集
        iris=datasets.load_iris()
        return  iris.data,iris.target
    
    #多维缩放降维MDS模型
    def test_MDS(*data):
        X,y=data
        # 依次考察降维目标为 4维、3维、2维、1维
        for n in [4,3,2,1]: 
            mds=manifold.MDS(n_components=n)
            mds.fit(X)
            print('stress(n_components=%d) : %s'% (n, str(mds.stress_)))
            
    # 产生用于降维的数据集
    X,y=load_data()
    # 调用 test_MDS
    test_MDS(X,y)   

    def plot_MDS(*data):
        '''
        绘制经过 使用 MDS 降维到二维之后的样本点
        '''
        X,y=data
        mds=manifold.MDS(n_components=2)
        #原始数据集转换到二维
        X_r=mds.fit_transform(X) 
    
        ### 绘制二维图形
        fig=plt.figure()
        ax=fig.add_subplot(1,1,1)
        # 颜色集合,不同标记的样本染不同的颜色
        colors=((1,0,0),(0,1,0),(0,0,1),(0.5,0.5,0),(0,0.5,0.5),(0.5,0,0.5),(0.4,0.6,0),(0.6,0.4,0),(0,0.6,0.4),(0.5,0.3,0.2))
        for label ,color in zip( np.unique(y),colors):
            position=y==label
            ax.scatter(X_r[position,0],X_r[position,1],label="target= %d"%label,color=color)
    
        ax.set_xlabel("X[0]")
        ax.set_ylabel("X[1]")
        ax.legend(loc="best")
        ax.set_title("MDS")
        plt.show()
    
    # 调用 plot_MDS
    plot_MDS(X,y)   

  • 相关阅读:
    修改程序堆栈的可执行属性
    【转】关于C语言生成不重复的随机数
    Apriori算法
    远程连接服务器端Jupyter Notebook
    Android KeyLogger Demo
    Windows消息钩取
    基址重定位表&.reloc节区
    调试UPX压缩的notepad
    PE文件格式
    apk逆向
  • 原文地址:https://www.cnblogs.com/tszr/p/10795967.html
Copyright © 2011-2022 走看看