• 機器學習之多維縮放(MDS)降維

# -*- coding: utf-8 -*-
"""
Created on Mon Nov 26 17:25:11 2018

@author: muli
"""

import numpy as np
import matplotlib.pyplot as plt
from sklearn import  datasets,manifold


def load_data():
    '''
    載入用於降維的資料

    :return: 一個元組，依次為訓練樣本集和樣本集的標記
    '''
    # 使用 scikit-learn 自帶的 iris 資料集
    iris=datasets.load_iris()
    return  iris.data,iris.target


def test_MDS(*data):
    '''
    測試 MDS 的用法

    :param data: 可變引數。
    它是一個元組，這裡要求其元素依次為：訓練樣本集、訓練樣本的標記
    :return: None
    '''
    X,y=data
    print(np.shape(X))
    print("***************************")
    # 依次考察降維目標為 4維、3維、2維、1維
    for n in [4,3,2,1]: 
        mds=manifold.MDS(n_components=n)
        mds.fit(X)
        # 不一致的距離的總和
        print('stress(n_components=%d) : %s'% (n, str(mds.stress_)))


    
def plot_MDS(*data):
    '''
    繪製經過 使用 MDS 降維到二維之後的樣本點

    :param data: 可變引數。
    它是一個元組，這裡要求其元素依次為：訓練樣本集、訓練樣本的標記
    :return: None
    '''
    X,y=data
    print(X)
    print("------------------------")
    mds=manifold.MDS(n_components=2)
    #原始資料集轉換到二維
    X_r=mds.fit_transform(X) 
    # 檢視降維後的資料
    print(X_r)

    ### 繪製二維圖形
    fig=plt.figure()
    ax=fig.add_subplot(1,1,1)
    # 顏色集合，不同標記的樣本染不同的顏色
    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()


if __name__=='__main__':
    X,y=load_data() # 產生用於降維的資料集
    test_MDS(X,y)   # 呼叫 test_MDS
#    plot_MDS(X,y)   # 呼叫 plot_MDS

 

• 降維後圖：