极客笔记Python 如何将Scikit-learn IRIS数据集转换为2特征数据集
Iris 是一个多变量花卉数据集，是最有用的Python scikit-learn数据集之一。它有3类，每个类别有50个实例，并包含三种Iris物种的花瓣和萼片部分的测量，即Iris setosa, Iris virginica和Iris versicolor。此外，Iris数据集还包含每个物种的50个实例，并包含四个特征，分别是sepal_length（cm），sepal_width（cm），petal_length（cm），petal_width（cm）。
我们可以使用主成分分析（PCA）将IRIS数据集转换为一个具有2个特征的新特征空间。
步骤
我们可以按照以下给定的步骤使用PCA在Python中将IRIS数据集转换为一个2特征数据集：
步骤1 ：首先，从scikit-learn导入所需的包。我们需要导入datasets和decomposition包。
步骤2 ：加载IRIS数据集。
步骤3 ：打印有关数据集的详细信息。
步骤4 ：初始化主成分分析（PCA）并应用fit()函数来拟合数据。
步骤5 ：将数据集转换为新的维度，即2特征数据集。
示例
在下面的示例中，我们将使用上述步骤将scikit-learn IRIS植物数据集转换为具有PCA的2个特征。
# Importing the necessary packages
from sklearn import datasets
from sklearn import decomposition
# Load iris plant dataset
iris = datasets.load_iris()
# Print details about the dataset
print('Features names : '+str(iris.feature_names))
print('\n')
print('Features size : '+str(iris.data.shape))
print('\n')
print('Target names : '+str(iris.target_names))
print('\n')
X_iris, Y_iris = iris.data, iris.target
# Initialize PCA and fit the data
pca_2 = decomposition.PCA(n_components=2)
pca_2.fit(X_iris)
# Transforming iris data to new dimensions(with 2 features)
X_iris_pca2 = pca_2.transform(X_iris)
# Printing new dataset
print('New Dataset size after transformations: ', X_iris_pca2.shape)
输出
将产生以下输出 –
Features names : ['sepal length (cm)', 'sepal width (cm)', 'petal length (cm)', 'petal width (cm)']
Features size : (150, 4)
Target names : ['setosa' 'versicolor' 'virginica']
New Dataset size after transformations: (150, 2)
如何将鸢尾花数据集转换为只含3个特征的数据集
我们可以使用一种统计方法称为主成分分析（PCA）来将鸢尾花数据集转换为新的具有3个特征的特征空间。PCA基本上通过分析原始数据集的特征，线性投影数据到新的特征空间。
PCA背后的主要概念是选择数据的“主要”特征并基于它们构建特征。这将给我们一个新的数据集，其大小较小，但具有与原始数据集相同的信息。
示例
在下面的示例中，我们将使用PCA（初始化为3个组件）转换scikit-learn的鸢尾花植物数据集。
# Importing the necessary packages
from sklearn import datasets
from sklearn import decomposition
# Load iris plant dataset
iris = datasets.load_iris()
# Print details about the dataset
print('Features names : '+str(iris.feature_names))
print('\n')
print('Features size : '+str(iris.data.shape))
print('\n')
print('Target names : '+str(iris.target_names))
print('\n')
print('Target size : '+str(iris.target.shape))
X_iris, Y_iris = iris.data, iris.target
# Initialize PCA and fit the data
pca_3 = decomposition.PCA(n_components=3)
pca_3.fit(X_iris)
# Transforming iris data to new dimensions(with 2 features)
X_iris_pca3 = pca_3.transform(X_iris)
# Printing new dataset
print('New Dataset size after transformations : ', X_iris_pca3.shape)
print('\n')
# Getting the direction of maximum variance in data
print("Components : ", pca_3.components_)
print('\n')
# Getting the amount of variance explained by each component
print("Explained Variance:",pca_3.explained_variance_)
print('\n')
# Getting the percentage of variance explained by each component
print("Explained Variance Ratio:",pca_3.explained_variance_ratio_)
print('\n')
# Getting the singular values for each component
print("Singular Values :",pca_3.singular_values_)
print('\n')
# Getting estimated noise covariance
print("Noise Variance :",pca_3.noise_variance_)
输出
它将生成以下输出：
Features names : ['sepal length (cm)', 'sepal width (cm)', 'petal length (cm)', 'petal width (cm)']
Features size : (150, 4)
Target names : ['setosa' 'versicolor' 'virginica']
Target size : (150,)
New Dataset size after transformations : (150, 3)
Components : [[ 0.36138659 -0.08452251 0.85667061 0.3582892 ]
[ 0.65658877 0.73016143 -0.17337266 -0.07548102]
[-0.58202985 0.59791083 0.07623608 0.54583143]]
Explained Variance: [4.22824171 0.24267075 0.0782095 ]
Explained Variance Ratio: [0.92461872 0.05306648 0.01710261]
Singular Values : [25.09996044 6.01314738 3.41368064]
Noise Variance : 0.02383509297344944