【Python-ML】SKlearn库特征抽取-KPCA

# -*- coding: utf-8 -*- ''' Created on 2018年1月18日 @author: Jason.F @summary: 特征抽取-KPCA方法 ''' import pandas as pd import numpy as np import matplotlib.pyplot as plt from sklearn.decomposition import KernelPCA from sklearn.datasets import make_moonsX,y=make_moons(n_samples=100,random_state=123)#生成半月形数据 scikit_kpca=KernelPCA(n_components=2,kernel='rbf',gamma=15) X_skernpca=scikit_kpca.fit_transform(X)#映射 #可视化 plt.scatter(X_skernpca[y==0,0],X_skernpca[y==0,1],color='red',marker='^',alpha=0.5) plt.scatter(X_skernpca[y==1,0],X_skernpca[y==1,1],color='blue',marker='o',alpha=0.5) plt.xlabel('PC1') plt.ylabel('PC2') plt.show()''' scikit-learn实现的高级非线性降维技术，参考： http://scikit-learn.org/stable/modules/manifold.html '''

结果：

总结

以上是生活随笔为你收集整理的【Python-ML】SKlearn库特征抽取-KPCA的全部内容，希望文章能够帮你解决所遇到的问题。

如果觉得生活随笔网站内容还不错，欢迎将生活随笔推荐给好友。