Question

我正在将PCA和SVM应用于Sci-Kit Learn的load_digits数据集。

这是一段代码：

from sklearn.datasets import load_digits
from sklearn.decomposition import PCA
from sklearn.preprocessing import scale
from sklearn.svm import SVC

X_digits, y_digits = load_digits(return_X_y=True)
data = scale(X_digits)
reduced_data = PCA(n_components=2).fit_transform(data)

clf = SVC(kernel='rbf', C=1e6)
clf.fit(reduced_data, y_digits)

在上面的代码中，reduced_data是2D numpy数组，而y_digits是1D numpy数组。

但是，当我编写以下代码时，我得到了两行的二维图：

plt.plot(y_digits,'o') 
plt.plot(reduced_data,y_digits,'o')

第一行不会出现错误（因为y_digits是1D，而matplotlib无法绘制1D

曲线），以及第二行的3D图，因为有reduced_data和两个输入变量

output的变量y_digits？我对应该如何使用matplotlib和解释结果感到困惑

Answer 1

我不是专家，但是我相信y_digits数组的等效形式是使用reshape（-1,1）重塑一维数组，因此我相信matplotlib会从值的位置解释ay。数组。这就是为什么当您调用y_digits.shape时输出为（1797，）逗号表示值在列中的原因。

如果您想要3D图，则应特别称呼它：

nodes

一维数组映射到2D图，而3D数组映射到2D图

1 个答案: