精通特征工程

88

｜

第

6

章

6.3

　

PCA

实战

让我们通过在图像数据上应用

PCA

，更好地理解一下

PCA

。

MNIST

数据集中包含了从

0

到

9

这几个数字的手写体的图像，初始图像是

28

像素×

28

像素。

scikit-learn

中有个分辨

率更低的图像子集，每张图像被下采样为

8

像素×

8

像素。

scikit-learn

中的初始数据有

64

个维度。在例

6-1

中，我们要使用

PCA

，并使用前

3

个主成分对数据集进行可视化。

例

6-1

　

scikit-learn

数字数据集（

MNIST

数据集的一个子集）的主成分分析

>>> from sklearn import datasets

>>> from sklearn.decomposition import PCA

# 载入数据

>>> digits_data = datasets.load_digits()

>>> n = len(digits_data.images)

# 每张图像被表示为一个8×8数组。将数组扁平化，作为PCA的输入

>>> image_data = digits_data.images.reshape((n, -1))

>>> image_data.shape

(1797, 64)

# 数字的真实值标签在每张图片中

>>> labels = digits_data.target

>>> labels

array([0, 1, 2, ..., 8, 9, 8])

# 为这个数据集拟合一个PCA转换器

# 自动选择主成分的数目，使主成分能解释至少80% ...