Letztes Mal Kurs für maschinelles Lernen an der Tsukuba University: Lernen Sie sklearn, während Sie das Python-Skript in die Aufgabe aufnehmen (16) https://github.com/legacyworld/sklearn-basic
Kommentar auf Youtube: 9. (1) pro 30 Minuten Ich habe Aufgabe 8.3 aufgegeben, weil ich Cluster3 nicht gut reproduzieren konnte.
Das Problem der Analyse der Hauptkomponenten der üblichen Irisdaten. Scicit-Learn ist als Programm einfach. Die Verwendung von pandas dispers_matrix nur für den Graphenteil unterscheidet sich ein wenig von zuvor.
python:Homework_8.7.py
#Herausforderung 8.7 Beispiel einer Hauptkomponentenanalyse
#Kommentar auf Youtube: 9 ..(1)Pro 30 Minuten
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from sklearn.datasets import load_iris
from sklearn.decomposition import PCA
iris = load_iris()
pca = PCA()
X = iris['data']
y = iris['target']
#Hauptkomponentenanalyse
pca.fit(X)
transformed = pca.fit_transform(X)
#Beitragssatz
print(pca.explained_variance_ratio_)
#Zeichnung
fig, ax = plt.subplots()
iris_dataframe = pd.DataFrame(transformed, columns=[0,1,2,3])
Axes = pd.plotting.scatter_matrix(iris_dataframe, c=y, figsize=(50, 50),ax=ax)
plt.savefig("8.7.png ")
Beitragssatz
[0.92461872 0.05306648 0.01710261 0.00521218]
Graph
Der Beitragssatz der ersten Hauptkomponente beträgt 0,92, und selbst wenn Sie sich die Grafik ansehen, können Sie sehen, dass das linke Ende (erste Hauptkomponente) klar unterteilt ist. Daher kann der setosa-Klassifizierer 92,5% nur mit der ersten Hauptkomponente klassifizieren, und selbst mit vier Komponenten steigt er nicht so stark an, sodass nur die erste Hauptkomponente ausreicht.
Kurs für maschinelles Lernen an der Tsukuba University: Lernen Sie sklearn, während Sie das Python-Skript in die Aufgabe aufnehmen (1) Kurs für maschinelles Lernen an der Tsukuba University: Lernen Sie sklearn, während Sie das Python-Skript in die Aufgabe aufnehmen (2) Kurs für maschinelles Lernen an der Tsukuba University: Lernen Sie sklearn, während Sie das Python-Skript in die Aufgabe aufnehmen (3) Kurs für maschinelles Lernen an der Tsukuba University: Lernen Sie sklearn, während Sie das Python-Skript in die Aufgabe aufnehmen (4) Kurs für maschinelles Lernen an der Tsukuba University: Lernen Sie sklearn, während Sie das Python-Skript in die Aufgabe aufnehmen (5) Kurs für maschinelles Lernen an der Tsukuba University: Lernen Sie sklearn, während Sie das Python-Skript in die Aufgabe aufnehmen (6) Kurs für maschinelles Lernen an der Tsukuba University: Lernen Sie sklearn, während Sie das Python-Skript zu einem Teil der Aufgabe machen (7) Erstellen Sie Ihre eigene Methode für den steilsten Abstieg Kurs für maschinelles Lernen an der Tsukuba University: Lernen Sie sklearn, während Sie das Python-Skript zu einem Teil der Aufgabe machen. (8) Erstellen Sie Ihre eigene stochastische Methode für den steilsten Abstieg. Kurs für maschinelles Lernen an der Tsukuba University: Lernen Sie sklearn, während Sie das Python-Skript in die Aufgabe aufnehmen (9) Kurs für maschinelles Lernen an der Tsukuba University: Lernen Sie sklearn, während Sie das Python-Skript in die Aufgabe aufnehmen (10) Kurs für maschinelles Lernen an der Tsukuba University: Lernen Sie sklearn, während Sie das Python-Skript in die Aufgabe aufnehmen (11) Kurs für maschinelles Lernen an der Tsukuba University: Lernen Sie sklearn, während Sie das Python-Skript in die Aufgabe aufnehmen (12) Kurs für maschinelles Lernen an der Tsukuba University: Lernen Sie sklearn, während Sie das Python-Skript in die Aufgabe aufnehmen (13) Kurs für maschinelles Lernen an der Tsukuba University: Lernen Sie sklearn, während Sie das Python-Skript in die Aufgabe aufnehmen (14) Kurs für maschinelles Lernen an der Tsukuba University: Lernen Sie sklearn, während Sie das Python-Skript in die Aufgabe aufnehmen (15) https://github.com/legacyworld/sklearn-basic https://ocw.tsukuba.ac.jp/course/systeminformation/machine_learning/
Recommended Posts