
Сжатие данных путем уменьшения размерности
171
Matrix W:
[[-0.1481 -0.4092]
[ 0.0908 -0.1577]
[-0.0168 -0.3537]
[ 0.1484 0.3223]
[-0.0163 -0.0817]
[ 0.1913 0.0842]
[-0.7338 0.2823]
[-0.075 -0.0102]
[ 0.0018 0.0907]
[ 0.294 -0.2152]
[-0.0328 0.2747]
[-0.3547 -0.0124]
[-0.3915 -0.5958]]
5.2.5. Проецирование точек данных
на новое функциональное пространство
Используя матрицу преобразования W, которую мы создали в предыдущем подразделе,
мы можем преобразовать набор обучающих данных, просто перемножив матрицы:
Х' = XW
>>> X_train_lda = X_train_std.dot(w)
>>> colors = ['r', 'b', 'g']
>>> markers = ['o', 's', '^']
>>> for l, c, m in ...