吴裕雄 python 机器学习——多维缩放降维MDS模型

# -*- coding: utf-8 -*-

import numpy as np
import matplotlib.pyplot as plt

from sklearn import datasets,manifold

def load_data():
    '''
    加载用于降维的数据
    '''
    # 使用 scikit-learn 自带的 iris 数据集
    iris=datasets.load_iris()
    return  iris.data,iris.target

#多维缩放降维MDS模型
def test_MDS(*data):
    X,y=data
    # 依次考察降维目标为 4维、3维、2维、1维
    for n in [4,3,2,1]:
        mds=manifold.MDS(n_components=n)
        mds.fit(X)
        print('stress(n_components=%d) : %s'% (n, str(mds.stress_)))

# 产生用于降维的数据集
X,y=load_data()
# 调用 test_MDS
test_MDS(X,y)   

def plot_MDS(*data):
    '''
    绘制经过 使用 MDS 降维到二维之后的样本点
    '''
    X,y=data
    mds=manifold.MDS(n_components=2)
    #原始数据集转换到二维
    X_r=mds.fit_transform(X) 

    ### 绘制二维图形
    fig=plt.figure()
    ax=fig.add_subplot(1,1,1)
    # 颜色集合，不同标记的样本染不同的颜色
    colors=((1,0,0),(0,1,0),(0,0,1),(0.5,0.5,0),(0,0.5,0.5),(0.5,0,0.5),(0.4,0.6,0),(0.6,0.4,0),(0,0.6,0.4),(0.5,0.3,0.2))
    for label ,color in zip( np.unique(y),colors):
        position=y==label
        ax.scatter(X_r[position,0],X_r[position,1],label="target= %d"%label,color=color)

    ax.set_xlabel("X[0]")
    ax.set_ylabel("X[1]")
    ax.legend(loc="best")
    ax.set_title("MDS")
    plt.show()

# 调用 plot_MDS
plot_MDS(X,y)