吴裕雄 python 机器学习——超大规模数据集降维IncrementalPCA模型

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

import numpy as np
import matplotlib.pyplot as plt

from sklearn import datasets,decomposition

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

#超大规模数据集降维IncrementalPCA模型
def test_IncrementalPCA(*data):
    X,y=data
    # 使用默认的 n_components
    pca=decomposition.IncrementalPCA(n_components=None,batch_size=10)
    pca.partial_fit(X)
    aa = pca.transform(X)
    print('explained variance ratio : %s'% str(pca.explained_variance_ratio_))
    print(pca.n_components_)
    print(aa)

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