Lv4 | 전처리 | 다중공선성 해결 - PCA (3)

실습 순서는 다음과 같습니다.

 

1. iris 데이터 로딩

2. x축: sepal length y축: sepal width하여 품종 데이터 분포 시각화

3. PCA를 이용해 차원 축소 후 변환된 데이터 셋을 2차원 상에서 시각화

 

#setosa는 빨간색, versicolor는 노란색, virginica는 파란색

color = ['r','y','b']



# setosa의 target 값은 0, versicolor는 1, virginica는 2. 

# 각 target 별로 다른 색으로 scatter plot 



for i,c in enumerate(color):

      x_axis_data = df[df['target'] == i]['sepal_length']

      y_axis_data = df[df['target'] == i]['sepal_length']

      plt.scatter(x_axis_data, y_axis_data, color=c, label=iris.target_names[i])



plt.lengend()

plt.xlabel('sepal length')

plt.ylabel('sepal width')

plt.show()



# Target 값을 제외한 모든 속성 값을 MinMaxScaler를 이용하여 변환

# 'sepal_length','sepal_width','petal_length','petal_width'



df_features = df[['sepal_length', 'sepal_width', 'petal_length', 'petal_width']]

df_scaler =  MinMaxScaler().fit_transform(df_features)



# PCA를 이용하여 4차원 변수를 2차원으로 변환

pca = PCA(n_components=2)



#fit( )과 transform( ) 을 호출하여 PCA 변환 / 데이터 반환

pca.fit(df_scaler)

df_pca = pca.transform(df_scaler)

print(df_pca.shape)



# PCA 변환된 데이터의 컬럼명을 각각 PCA_1, PCA_2로 지정

df_pca = pd.DataFrane(df_pca)

df_pca.columns=['PCA_1,'PCA_2']

df_pca['target'] = df.target

df_pca.head(3)



#setosa는 빨간색, versicolor는 노란색, virginica는 파란색

color = ['r','y','b']





# setosa의 target 값은 0, versicolor는 1, virginica는 2. 

# 각 target 별로 다른 색으로 scatter plot 

for i,c in enumerate(color):

      x_axis_data = df_pca[df_pca['target']==i]['PCA_1']

      y_axis_data = df_pca[df_pca['target']==i]['PCA_2']

      plt.scatter(x_axis_data, y_axis_data, data, color=c, label=iris.target_names[i])



plt.legned()

plt.xlabel('PCA_1')

plt.ylabel('PCA_2')

plt.show()