当前位置：极客教程 > Python > Python 问答 > 如何在Python中将Sklearn DIGITS数据集转换为2和3特征数据集？

如何在Python中将Sklearn DIGITS数据集转换为2和3特征数据集？

如何在Python中将Sklearn DIGITS数据集转换为2和3特征数据集？

Sklearn DIGITS数据集有64个特征，因为每个数字的图像都是8×8像素大小的。我们可以使用主成分分析（PCA）将Scikit-learn DIGITS数据集转换成具有2个特征的新特征空间。将64个特征数据集转换为2个特征数据集将大大减少数据的大小，并且我们将失去一些有用的信息。这也会影响ML模型的分类准确性。

将DIGITS数据集转换为2特征数据集的步骤

我们可以按以下步骤使用PCA将DIGITS数据集转换为2特征数据集 –

  • 首先，从scikit-learn中导入必要的包。我们需要导入数据集和分解包。

  • 加载DIGITS数据集。

  • 初始化主成分分析（PCA）并应用拟合（fit）函数拟合数据。

  • 将数据集转换为新尺寸，即2特征数据集。

示例

在下面的示例中，我们将使用上述步骤使用PCA将sklearn DIGITS数据集转换为2特征。 

#导入必要的软件包
from sklearn import datasets
from sklearn import decomposition

#加载DIGITS数据集
DIGITS = datasets.load_digits()
X_digits, Y_digits = DIGITS.data, DIGITS.target
print('DIGITS数据集大小：', X_digits.形状, Y_digits.形状)

#初始化PCA并拟合数据
pca_2 = decomposition.PCA(n_components=2)
pca_2.fit(X_digits)

#将DIGITS数据转换为新维度（具有2个特征）
X_digits_pca2 = pca_2.transform(X_digits)

#打印新数据集
print('转换后的新数据集大小：', X_digits_pca2.形状)
Bash

输出

它将产生以下输出 – 

DIGITS数据集大小：（1797、64）（1797、）
转换后的新数据集大小：（1797、2）
Bash

将具有6个类的DIGITS数据集转换为2特征数据集

Sklearn DIGITS数据集有64个特征和10个0-9数字类别。我们可以使用主成分分析（PCA）将具有前6个类别的数字数据集转换为具有2个特征的新特征空间。

我们可以按以下步骤使用PCA将带有前6个类别的DIGITS数据集转换为2特征数据集 –

  • 首先，从scikit-learn中导入必要的包。我们需要导入数据集和分解包。

  • 加载带有前6个类别的DIGITS数据集。

  • 初始化主成分分析（PCA）并应用拟合（fit）函数拟合数据。

  • 将数据集转换为新尺寸，即2特征数据集。

示例

在下面的示例中，我们将使用上述步骤使用PCA将带有前6个类别的sklearn DIGITS数据集转换为2特征。 

#导入必要的软件包
from sklearn import datasets
from sklearn import decomposition

#加载具有6个类的DIGITS数据集
digits = datasets.load_digits(n_class=6)
X_digits, Y_digits = digits.data, digits.target
print('DIGITS数据集大小：', X_digits.形状, Y_digits.形状)

#初始化PCA并拟合数据
pca_2 = decomposition.PCA(n_components=2)
pca_2.fit(X_digits)

#将DIGITS数据转换为新维度（具有2个特征）
X_digits_pca2 = pca_2.transform(X_digits)

#打印新数据集
print('转换后的新数据集大小：', X_digits_pca2.形状)
Bash
# 导入必要的库
from sklearn import datasets
from sklearn import decomposition

# 加载 DIGITS 数据集（6 个类）
DIGITS = datasets.load_digits(n_class = 6)
X_digits, Y_digits = DIGITS.data, DIGITS.target
print('DIGITS 数据集大小: ', X_digits.shape, Y_digits.shape)

# 初始化 PCA 并拟合数据
pca_2 = decomposition.PCA(n_components=2)
pca_2.fit(X_digits)

# 将 DIGITS 数据集转换为新的维度（有 2 个特征）
X_digits_pca2 = pca_2.transform(X_digits)

# 打印新数据集
print('转换后的数据集大小：', X_digits_pca2.shape)
Bash

输出

将会产生以下输出：- 

DIGITS 数据集大小: (1083, 64) (1083,)
转换后的数据集大小：(1083, 2)
Bash

使用PCA将DIGITS数据集转换为3特征数据集

Scikit-learn的DIGITS数据集有64个特征，因为每个数字图像的大小为8乘8像素。我们可以使用主成分分析（PCA）将DIGITS数据集转换为具有3个特征的新的特征空间。将64个特征的数据集转换为具有3个特征的数据集会大大减小数据的大小，我们将失去一些有用的信息。这也会影响ML模型的分类准确性。

我们可以遵循以下步骤将DIGITS数据集转换为具有3个特征的数据集：-

  • 首先，从scikit-learn导入必要的包。我们需要导入数据集和分解包。

  • 加载DIGITS数据集。

  • 初始化主成分分析（PCA）并应用fit()函数来拟合数据。

  • 将数据集转换为新的维度，即3特征数据集。

示例

在下面的示例中，我们将使用上述步骤将Scikit-learn的DIGITS数据集转换为具有3个特征的PCA。 

# 导入必要的库
from sklearn import datasets
from sklearn import decomposition

# 加载DIGITS数据集
DIGITS = datasets.load_digits()
X_digits, Y_digits = DIGITS.data, DIGITS.target
print('DIGITS 数据集大小: ', X_digits.shape, Y_digits.shape)# 初始化 PCA 并拟合数据
pca_3 = decomposition.PCA(n_components=3)
pca_3.fit(X_digits)

# 将 DIGITS 数据集转换为新的维度（有 3 个特征）
X_digits_pca3 = pca_3.transform(X_digits)

# 打印新数据集
print('转换后的数据集大小：', X_digits_pca3.shape)
Bash

输出

将会产生以下输出：- 

DIGITS 数据集大小: (1797, 64) (1797,)
转换后的数据集大小：(1797, 3)
Bash

Python教程

Python 教程

Python 教程
Tkinter 教程

Tkinter 教程
Pandas 教程

Pandas 教程
NumPy 教程

NumPy 教程
Flask 教程

Flask 教程
Django 教程

Django 教程
PySpark 教程

PySpark 教程
wxPython 教程

wxPython 教程
SymPy 教程

SymPy 教程
Seaborn 教程

Seaborn 教程
SciPy 教程

SciPy 教程
RxPY 教程

RxPY 教程
Pycharm 教程

Pycharm 教程
Pygame 教程

Pygame 教程
PyGTK 教程

PyGTK 教程
PyQt 教程

PyQt 教程
PyQt5 教程

PyQt5 教程
PyTorch 教程

PyTorch 教程
Matplotlib 教程

Matplotlib 教程
Web2py 教程

Web2py 教程
BeautifulSoup 教程

BeautifulSoup 教程

Java教程

Java 教程

Java 教程

Web教程

HTML 教程

HTML 教程
CSS 教程

CSS 教程
CSS3 教程

CSS3 教程
jQuery 教程

jQuery 教程
Ajax 教程

Ajax 教程
AngularJS 教程

AngularJS 教程
TypeScript 教程

TypeScript 教程
WordPress 教程

WordPress 教程
Laravel 教程

Laravel 教程
Next.js 教程

Next.js 教程
PhantomJS 教程

PhantomJS 教程
Three.js 教程

Three.js 教程
Underscore.JS 教程

Underscore.JS 教程
WebGL 教程

WebGL 教程
WebRTC 教程

WebRTC 教程
VueJS 教程

VueJS 教程

数据库教程

SQL 教程

SQL 教程
MySQL 教程

MySQL 教程
MongoDB 教程

MongoDB 教程
PostgreSQL 教程

PostgreSQL 教程
SQLite 教程

SQLite 教程
Redis 教程

Redis 教程
MariaDB 教程

MariaDB 教程

图形图像教程

Vulkan 教程

Vulkan 教程
OpenCV 教程

OpenCV 教程

大数据教程

R语言 教程

R语言 教程

开发工具教程

Git 教程

Git 教程
VSCode 教程

VSCode 教程
Docker 教程

Docker 教程
Gerrit 教程

Gerrit 教程
Excel 教程

Excel 教程

计算机教程

Go语言 教程

Go语言 教程
C++ 教程

C++ 教程

Python 精品教程

登录

找回密码？

注册