数据可视化常用的后端方法
发布时间：2021-06-05 13:39:58 所属栏目：大数据 来源：互联网
导读：python使用PCA算法实战 在讲之前，用户需要安装python包，这里强烈建议新手安装anaconda，anaconda集成了python以及在开发过程中一大堆第三方包，比如下文用到的sklearn包。 引入第三方库的PCA算法，sklearn是pythonz中常用的机器学习第三方模块，对常用的机
|
python使用PCA算法实战
在讲之前，用户需要安装python包，这里强烈建议新手安装anaconda，anaconda集成了python以及在开发过程中一大堆第三方包，比如下文用到的sklearn包。
引入第三方库的PCA算法，sklearn是pythonz中常用的机器学习第三方模块，对常用的机器学习方法进行了封装，包括回归、降维、分类、聚类等方法。
from sklearn.decomposition import PCA
加载python中自带的Iris数据集，做机器学习的应该比较熟悉这个数据集。主要包含4个维度，三个类。
from sklearn.datasets import load_iris
irisData = load_iris()
对数据集使用PCA算法，将数据降到2维。
pca = PCA(n_components=2)
reducedData = pca.fit(irisData)
将结果在散点图中画出来。这里就不讲具体python的绘制逻辑了，没错，python就是这么强大，也提供了可视化图表的能力。但是更多还是以处理数据为目的，将数据传给前端，让前端绘制。感兴趣的可以去了解下：matplotlib，这个是python的可视化绘图库。
数据可视化常用的后端技术
iris数据集降到二维
 （编辑：柳州站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
