lsomap降维
# -*- coding: utf-8 -*- """ lsomap """ 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 :return: 一个元组,依次为训练样本集和样本集的标记 ''' iris=datasets.load_iris()# 使用 scikit-learn 自带的 iris 数据集 return iris.data,iris.target def test_lsomap(*data): ''' 测试 lsomap 的用法 :param data: 可变参数。它是一个元组,这里要求其元素依次为:训练样本集、训练样本的标记 :return: None ''' X,y=data for n in [4,3,2,1]: # 依次考察降维目标为 4维、3维、2维、1维 lsomap=manifold.lsomap(n_components=n) lsomap.fit(X) print('reconstruction_error(n_components=%d) : %s'% (n, lsomap.reconstruction_error())) def plot_lsomap_k(*data): ''' 测试 lsomap 中 n_neighbors 参数的影响,其中降维至 2维 :param data: 可变参数。它是一个元组,这里要求其元素依次为:训练样本集、训练样本的标记 :return: None ''' X,y=data Ks=[1,5,25,y.size-1] # n_neighbors参数的候选值的集合 fig=plt.figure() for i, k in enumerate(Ks): lsomap=manifold.lsomap(n_components=2,n_neighbors=k) X_r=lsomap.fit_transform(X)#原始数据集转换到二维 ax=fig.add_subplot(2,2,i+1)## 两行两列,每个单元显示不同 n_neighbors 参数的 lsomap 的效果图 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),)# 颜色集合,不同标记的样本染不同的颜色 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("k=%d"%k) plt.suptitle("lsomap") plt.show() def plot_lsomap_k_d1(*data): ''' 测试 lsomap 中 n_neighbors 参数的影响,其中降维至 1维 :param data: 可变参数。它是一个元组,这里要求其元素依次为:训练样本集、训练样本的标记 :return: None ''' X,y=data Ks=[1,5,25,y.size-1]# n_neighbors参数的候选值的集合 fig=plt.figure() for i, k in enumerate(Ks): lsomap=manifold.lsomap(n_components=1,n_neighbors=k) X_r=lsomap.fit_transform(X)#原始数据集转换到 1 维 ax=fig.add_subplot(2,2,i+1)## 两行两列,每个单元显示不同 n_neighbors 参数的 lsomap 的效果图 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),)# 颜色集合,不同标记的样本染不同的颜色 for label ,color in zip( np.unique(y),colors): position=y==label ax.scatter(X_r[position],np.zeros_like(X_r[position]), label="target= %d"%label,color=color) ax.set_xlabel("X") ax.set_ylabel("Y") ax.legend(loc="best") ax.set_title("k=%d"%k) plt.suptitle("lsomap") plt.show() if __name__=='__main__': X,y=load_data() # 产生用于降维的数据集 test_lsomap(X,y) # 调用 test_lsomap #plot_lsomap_k(X,y) # 调用 plot_lsomap_k #plot_lsomap_k_d1(X,y) # 调用 plot_lsomap_k_d1