sklearn - PCA 的标签点

Posted 2023-03-12

【中文标题】sklearn - PCA 的标签点

【英文标题】：sklearn - label points of PCA

【发布时间】：2018-09-13 02:46:54

【问题描述】：

我正在生成一个使用 scikitlearn、numpy 和 matplotlib 的 PCA。我想知道如何标记每个点（我的数据中的行）。我在 matplotlib 中找到了“注释”，但这似乎是为了标记特定坐标，或者只是按照它们出现的顺序将文本放在任意点上。我试图从中抽象出来，但由于出现在 matplot 内容之前的 PCA 部分而苦苦挣扎。有没有办法可以用 sklearn 做到这一点，而我仍在生成情节，所以我不会失去它与我从中得到它的行的联系？ 这是我的代码：

# Create a Randomized PCA model that takes two components
randomized_pca = decomposition.RandomizedPCA(n_components=2) 

# Fit and transform the data to the model
reduced_data_rpca = randomized_pca.fit_transform(x)

# Create a regular PCA model 
pca = decomposition.PCA(n_components=2)

# Fit and transform the data to the model
reduced_data_pca = pca.fit_transform(x)

# Inspect the shape
reduced_data_pca.shape

# Print out the data
print(reduced_data_rpca)
print(reduced_data_pca)
def rand_jitter(arr):
    stdev = .01*(max(arr)-min(arr))
    return arr + np.random.randn(len(arr)) * stdev
colors = ['red', 'blue']
for i in range(len(colors)):
    w = reduced_data_pca[:, 0][y == i]
    z = reduced_data_pca[:, 1][y == i]
    plt.scatter(w, z, c=colors[i])
targ_names = ["Negative", "Positive"]
plt.legend(targ_names, bbox_to_anchor=(1.05, 1), loc=2, borderaxespad=0.)
plt.xlabel('First Principal Component')
plt.ylabel('Second Principal Component')
plt.title("PCA Scatter Plot")
plt.show()

【参考方案1】：

PCA 是投影，而不是聚类（您将其标记为聚类）。

PCA 中没有标签的概念。

您可以在散点图上绘制文本，但通常它会变得过于拥挤。你已经可以在 *** 上找到 answers 了。