PCA算法实现

import numpy as np
import matplotlib.pyplot as plt
from sklearn import datasetsdecompositionmanifold

def load_data（）:
    iris=datasets.load_iris（）
    return iris.datairis.target

def test_PCA（*data）:
    XY=data
    pca=decomposition.PCA（n_components=None）
    pca.fit（X）
    print（“explained variance ratio:%s“%str（pca.explained_variance_ratio_））

def plot_PCA（*data）:
    XY=data
    pca=decomposition.PCA（n_components=2）
    pca.fit（X）
    X_r=pca.transform（X）
 #   print（X_r）

    fig=plt.figure（）
    ax=fig.add_subplot（111）
    colors=（（100）（010）（001）（0.50.50）（00.50.5）（0.500.5）（0.40.60）（0.60.40）（00.60.4）（0.50.30.2））
    for labelcolor in zip（np.unique（Y）colors）:
        position=Y==label
  #      print（position）
        ax.scatter（X_r[position0]X_r[position1]label=“target=%d“%labelcolor=color）
    ax.set_xlabel（“X[0]“）
    ax.set_ylabel（“Y[0]“）
    ax.legend（loc=“best“）
    ax.set_title（“PCA“）
    plt.show（）

XY=load_data（）
test_PCA（XY）
plot_PCA（XY）