PCA¶
In [1]:
import sklearn
import mglearn
from sklearn import datasets
import matplotlib.pyplot as plt
from sklearn.decomposition import PCA
iris = datasets.load_iris()
print(iris.feature_names)
datos = iris.data
mglearn.plots.plot_pca_illustration()
pca=PCA(n_components=2)
pca.fit(iris.data)
transformada=pca.transform(datos)
print(iris.data.shape)
print(transformada.shape)
['sepal length (cm)', 'sepal width (cm)', 'petal length (cm)', 'petal width (cm)'] (150, 4) (150, 2)
In [2]:
mglearn.discrete_scatter(transformada[:,0], transformada[:,1], iris.target)
plt.legend(iris.target_names, loc='lower right')
plt.xlabel('Componente pca 1')
plt.ylabel('Componente pca 2')
Out[2]:
Text(0, 0.5, 'Componente pca 2')
Comparamos los datos transformados por pca¶
In [3]:
import numpy as np
import matplotlib.pyplot as plt
from sklearn.cluster import KMeans
from sklearn import datasets
from sklearn import metrics
iris = datasets.load_iris()
datos = iris.data
etiquetas = iris.target
k_means = KMeans(n_clusters=3, max_iter=2000)
k_means.fit(transformada)
predicciones=k_means.predict(transformada)
score=metrics.adjusted_rand_score(etiquetas, predicciones)
print(score)
plt.scatter(transformada[:, 0], transformada[:, 1], c=predicciones)
plt.show()
0.7163421126838476
In [4]:
from sklearn.preprocessing import MinMaxScaler
escala=MinMaxScaler()
escala.fit(iris.data)
escalada=escala.transform(iris.data)
pca.fit(escalada)
transformada=pca.transform(escalada)
mglearn.discrete_scatter(transformada[:,0], transformada[:,1], iris.target)
plt.legend(iris.target_names, loc='lower right')
plt.xlabel('Componente pca 1')
plt.ylabel('Componente pca 2')
Out[4]:
Text(0, 0.5, 'Componente pca 2')
In [5]:
from sklearn.preprocessing import StandardScaler
escala=StandardScaler()
escala.fit(iris.data)
escalada=escala.transform(iris.data)
pca.fit(escalada)
transformada=pca.transform(escalada)
mglearn.discrete_scatter(transformada[:,0], transformada[:,1], iris.target)
plt.legend(iris.target_names, loc='lower right')
plt.xlabel('Componente pca 1')
plt.ylabel('Componente pca 2')
Out[5]:
Text(0, 0.5, 'Componente pca 2')
