Iris，一个多元花卉数据集，是最有用的 Pyhton scikit-learn 数据集之一。它分为 3 类，每类 50 个实例，包含三种鸢尾花（山鸢尾、维吉尼亚鸢尾和杂色鸢尾）的萼片和花瓣部分的测量值。除此之外，Iris 数据集包含这三个物种中每个物种的 50 个实例，并由四个特征组成，即 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 数据集转换为具有 2 个特征的新特征空间。
步骤
我们可以按照下面给出的步骤，使用 Python 中的 PCA 将 IRIS 数据集转换为 2 特征数据集 -
第 1 步 - 首先，从 scikit-learn 导入必要的包。我们需要导入数据集和分解包。
立即学习“Python免费学习笔记（深入）”；
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。 p>
步骤 5 - 将数据集转换为新维度，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通过 PCA 将 scikit-learn IRIS 植物数据集转换为 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
它将产生以下输出 -
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 Iris 数据集转换为 3 特征数据集？
我们可以使用称为主成分分析（PCA）的统计方法将 Iris 数据集转换为具有 3 个特征的新特征空间。 PCA通过分析原始数据集的特征，基本上将数据线性投影到新的特征空间中。
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。它将为我们提供新的数据集，该数据集的大小较小，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 转换 scikit-learn Iris 植物数据集（用 3 个组件初始化）。
# 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'] 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
