In [18]:
%matplotlib inline
# 主成分分析 principal component analysis,PCA
import numpy as np
import matplotlib.pyplot as plt
# サンプルデータの作成
np.random.seed(0)
X = np.random.random(size=50)
Y = 2 * X + 0.5 * np.random.rand(50)
# サンプルデータの可視化
fig, ax = plt.subplots()
ax.scatter(X,Y)
plt.show()
In [28]:
# 主成分分析（PCA）のインスタンスを作成する
from sklearn.decomposition import PCA
pca = PCA(n_components=2)
'''
PCA(copy=True, iterated_power='auto', n_components=2, random_state=None,
svd_solver='auto', tol=0.0, whiten=False)
'''
# 主成分分析を実行
X_pca = pca.fit_transform(np.hstack((X[:,np.newaxis], Y[:, np.newaxis])))
# 主成分分析結果を可視化する
fig, ax =plt.subplots()
ax.scatter(X_pca[:, 0], X_pca[:, 1])
ax.set_xlabel('PC1')
ax.set_ylabel('PC2')
ax.set_xlim(-1.1, 1.1)
ax.set_ylim(-1.1, 1.1)
plt.show()
'''
結果：軸PC1方向にデータは散らばっているが軸PC2にはあまり散らばっていない。
'''
In [30]:
X_pca
Out[30]:
In [27]:
Out[27]:
In [ ]: