#?-*-?coding:?utf-8?-*-
“““
????KernelPCA
“““
import?numpy?as?np
import?matplotlib.pyplot?as?plt
from?sklearn?import???datasetsdecomposition

def?load_data（）:
????‘‘‘
????加載用于降維的數(shù)據(jù)

????:return:?一個(gè)元組，依次為訓(xùn)練樣本集和樣本集的標(biāo)記
????‘‘‘
????iris=datasets.load_iris（）#?使用?scikit-learn?自帶的?iris?數(shù)據(jù)集
????return??iris.datairis.target

def?test_KPCA（*data）:
????‘‘‘
????測(cè)試?KernelPCA?的用法

????:param?data:?可變參數(shù)。它是一個(gè)元組，這里要求其元素依次為：訓(xùn)練樣本集、訓(xùn)練樣本的標(biāo)記
????:return:?None
????‘‘‘
????Xy=data
????kernels=[‘linear‘‘poly‘‘rbf‘‘sigmoid‘]
????for?kernel?in?kernels:
????????kpca=decomposition.KernelPCA（n_components=Nonekernel=kernel）?#?依次測(cè)試四種核函數(shù)
????????kpca.fit（X）
????????print（‘kernel=%s?-->?lambdas:?%s‘%?（kernelkpca.lambdas_））
def?plot_KPCA（*data）:
????‘‘‘
????繪制經(jīng)過(guò)?KernelPCA?降維到二維之后的樣本點(diǎn)

????:param?data:?可變參數(shù)。它是一個(gè)元組，這里要求其元素依次為：訓(xùn)練樣本集、訓(xùn)練樣本的標(biāo)記
????:return:?None
????‘‘‘
????Xy=data
????kernels=[‘linear‘‘poly‘‘rbf‘‘sigmoid‘]
????fig=plt.figure（）
????colors=（（100）（010）（001）（0.50.50）（00.50.5）（0.500.5）
????????（0.40.60）（0.60.40）（00.60.4）（0.50.30.2））#?顏色集合，不同標(biāo)記的樣本染不同的顏色

????for?ikernel?in?enumerate（kernels）:
????????kpca=decomposition.KernelPCA（n_components=2kernel=kernel）
????????kpca.fit（X）
????????X_r=kpca.transform（X）#?原始數(shù)據(jù)集轉(zhuǎn)換到二維
????????ax=fig.add_subplot（22i+1）?##?兩行兩列，每個(gè)單元顯示一種核函數(shù)的?KernelPCA?的效果圖
????????for?label?color?in?zip（?np.unique（y）colors）:
????????????position=y==label
????????????ax.scatter（X_r[position0]X_r[position1]label=“target=?%d“%label
????????????color=color）
????????ax.set_xlabel（“X[0]“）
????????ax.set_ylabel（“X[1]“）
????????ax.legend（loc=“best“）
????????ax.set_title（“kernel=%s“%kernel）
????plt.suptitle（“KPCA“）
????plt.show（）
def?plot_KPCA_poly（*data）:
????‘‘‘
????繪制經(jīng)過(guò)?使用?poly?核的KernelPCA?降維到二維之后的樣本點(diǎn)

????:param?data:?可變參數(shù)。它是一個(gè)元組，這里要求其元素依次為：訓(xùn)練樣本集、訓(xùn)練樣本的標(biāo)記
????:return:?None
????‘‘‘
????Xy=data
????fig=plt.figure（）
????colors=（（100）（010）（001）（0.50.50）（00.50.5）（0.500.5）
????????（0.40.60）（0.60.40）（00.60.4）（0.50.30.2））#?顏色集合，不同標(biāo)記的樣本染不同的顏色
????Params=[（311）（3101）（3110）（31010）（1011）（10101）（10110）（101010）]?#?poly?核的參數(shù)組成的列表。
????????????#?每個(gè)元素是個(gè)元組，代表一組參數(shù)（依次為：p?值，?gamma?值，?r?值）
????????????#?p?取值為：3，10
????????????#?gamma?取值為?：1，10
????????????#?r?取值為：1，10
????????????#?排列組合一共?8?種組合
????for?i（pgammar）?in?enumerate（Params）:
????????kpca=decomposition.KernelPCA（n_components=2kernel=‘poly‘
????????gamma=gammadegree=pcoef0=r）??#?poly?核，目標(biāo)為2維
????????kpca.fit（X）
????????X_r=kpca.transform（X）#?原始數(shù)據(jù)集轉(zhuǎn)換到二維
????????ax=fig.add_subplot（24i+1）##?兩行四列，每個(gè)單元顯示核函數(shù)為?poly?的?KernelPCA?一組參數(shù)的效果圖
????????for?label?color?in?zip（?np.unique（y）colors）:
????????????position=y==label
????????????ax.scatter（X_r[position0]X_r[position1]label=“target=?%d“%label
????????????color=color）
????????ax.set_xlabel（“X[0]“）
????????ax.set_xticks（[]）?#?隱藏?x?軸刻度
????????ax.set_ytic