请选择 进入手机版 | 继续访问电脑版
楼主: jeremyyang
872 1

[问答] LDA via scikit-learn using python 最后图形感觉不对,求大神帮忙!!! [推广有奖]

  • 0关注
  • 1粉丝

本科生

20%

还不是VIP/贵宾

-

威望
0
论坛币
11 个
通用积分
0
学术水平
1 点
热心指数
4 点
信用等级
2 点
经验
605 点
帖子
38
精华
0
在线时间
61 小时
注册时间
2017-6-6
最后登录
2019-5-30

jeremyyang 发表于 2018-6-7 09:52:22 |显示全部楼层 |坛友微信交流群
相似文件 换一批

+2 论坛币
k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群
赵安豆老师微信:zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

感谢您参与论坛问题回答

经管之家送您两个论坛币!

+2 论坛币
    data = pd.read_csv("tree_addhealth.csv")
   
    #upper-case all colu`enter code here`mn names in DataFrame
    data.columns = map(str.upper, data.columns)
   
    data_clean = data.dropna()
   
    cluster=data_clean[['ALCEVR1','MAREVER1','ALCPROBS1','DEVIANT1','VIOL1',
    'DEP1','ESTEEM1','SCHCONN1','PARACTV', 'PARPRES','FAMCONCT']]
   
    clustervar=cluster.copy()
    clustervar['ALCEVR1']=preprocessing.scale(clustervar['ALCEVR1'].astype('float64'))
    clustervar['ALCPROBS1']=preprocessing.scale(clustervar['ALCPROBS1'].astype('float64'))
    clustervar['MAREVER1']=preprocessing.scale(clustervar['MAREVER1'].astype('float64'))
     clustervar['DEP1']=preprocessing.scale(clustervar['DEP1'].astype('float64'))
    clustervar['ESTEEM1']=preprocessing.scale(clustervar['ESTEEM1'].astype('float64'))
    clustervar['VIOL1']=preprocessing.scale(clustervar['VIOL1'].astype('float64'))
    clustervar['DEVIANT1']=preprocessing.scale(clustervar['DEVIANT1'].astype('float64'))
    clustervar['FAMCONCT']=preprocessing.scale(clustervar['FAMCONCT'].astype('float64'))
    clustervar['SCHCONN1']=preprocessing.scale(clustervar['SCHCONN1'].astype('float64'))
    clustervar['PARACTV']=preprocessing.scale(clustervar['PARACTV'].astype('float64'))
    clustervar['PARPRES']=preprocessing.scale(clustervar['PARPRES'].astype('float64'))
   
    clus_train, clus_test = train_test_split(clustervar, test_size=.3, random_state=123)
   
    model3=KMeans(n_clusters=3)
    model3.fit(clus_train)
    clusassign=model3.predict(clus_train)
    #clusassign.shape=(clus_train.shape[0],1)
   
    y=Series(clusassign)
    x=clus_train
    target_names=[0,1,2]
    colors = ['navy', 'turquoise', 'darkorange']
   
    from sklearn.discriminant_analysis import LinearDiscriminantAnalysis as LDA
    LDA_2 = LDA(n_components=2)
    plot_columns = LDA_2.fit(x,y).transform(x)
    for color, target_name in zip(colors, target_names):
    plt.scatter(plot_columns[y == target_name, 0], plot_columns[y   ==target_name, 1], alpha=.8, color=color,
                    label=target_name)
    plt.legend(loc='best', shadow=False, scatterpoints=1)
    plt.title('LDA of dataset')
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

关键词:scikit-learn python Learn Using Earn

Row Data.docx

126.88 KB

参考数据

已有 1 人评分经验 收起 理由
我的素质低 + 10 精彩帖子

总评分: 经验 + 10   查看全部评分

代码请添加注释详细说明, 否则很难阅读!

使用道具

您需要登录后才可以回帖 登录 | 我要注册

本版微信群
加好友,备注cda
拉您进交流群

京ICP备16021002-2号 京B2-20170662号 京公网安备 11010802022788号 论坛法律顾问:王进律师 知识产权保护声明   免责及隐私声明

GMT+8, 2024-3-28 19:55