Mnist数据集各种降维技术可视化(下)

Posted by Leo on May 29, 2019

接着中篇的内容

组合(PCA + LLE)

1
2
3
4
5
6
7
8
9
from sklearn.pipeline import Pipeline
pca_lle = Pipeline([
    ("pca", PCA(n_components=0.95, random_state=42)),
    ("lle", LocallyLinearEmbedding(n_components=2, random_state=42)),
])

X_pca_lle_reduced = pca_lle.fit_transform(X)
plot_digits(X_pca_lle_reduced, y)
plt.show()

组合(PCA + MDS)

1
2
3
4
5
6
7
pca_mds = Pipeline([
    ("pca", PCA(n_components=0.95, random_state=42)),
    ("mds", MDS(n_components=2, random_state=42)),
])
X_pca_mds_reduced = pca_mds.fit_transform(X)
plot_digits(X_pca_mds_reduced, y)
plt.show()

组合(PCA + TSNE)

1
2
3
4
5
6
7
pca_tsne = Pipeline([
    ("pca", PCA(n_components=0.95, random_state=42)),
    ("tsne", TSNE(n_components=2, random_state=42)),
])
X_pca_tsne_reduced = pca_tsne.fit_transform(X)
plot_digits(X_pca_tsne_reduced, y)
plt.show()

如果你在学习上有什么问题,欢迎通过1115223619@qq.com或者这里跟我交流。

本文采用知识共享署名-非商业性使用-禁止演绎 4.0 国际许可协议(CC BY-NC-ND 4.0)进行许可,转载请注明出处,请勿用于任何商业用途采用。

☛决定关注我了吗☚