欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  后端开发

Python编程如何判别线性

程序员文章站 2022-03-29 13:50:07
...
本次的这篇文章主要是和大家分享了关于Python编程如何判别线性 ,有需要的小伙伴可以看一下。
"""
Author: Victoria
Created on: 2017.9.15 11:45
"""
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
def LDA(X0, X1):
    """
    Get the optimal params of LDA model given training data.
    Input:
        X0: np.array with shape [N1, d]
        X1: np.array with shape [N2, d]
    Return:
        omega: np.array with shape [1, d]. Optimal params of LDA.
    """
    #shape [1, d]
    mean0 = np.mean(X0, axis=0, keepdims=True)
    mean1 = np.mean(X1, axis=0, keepdims=True)
    Sw = (X0-mean0).T.dot(X0-mean0) + (X1-mean1).T.dot(X1-mean1)
    omega = np.linalg.inv(Sw).dot((mean0-mean1).T)
    return omega
if __name__=="__main__":
    #read data from xls
    work_book = pd.read_csv("../data/watermelon_3a.csv", header=None)
    positive_data = work_book.values[work_book.values[:, -1] == 1.0, :]
    negative_data = work_book.values[work_book.values[:, -1] == 0.0, :]
    print (positive_data)
    #LDA
    omega = LDA(negative_data[:, 1:-1], positive_data[:, 1:-1])
    #plot
    plt.plot(positive_data[:, 1], positive_data[:, 2], "bo")
    plt.plot(negative_data[:, 1], negative_data[:, 2], "r+")
    lda_left = 0
    lda_right = -(omega[0]*0.9) / omega[1]
    plt.plot([0, 0.9], [lda_left, lda_right], 'g-')
    plt.xlabel('density')
    plt.ylabel('sugar rate')
    plt.title("LDA")
    plt.show()

Python编程如何判别线性

相关推荐:

线性判别分析简明入门教程

线性判别分析

以上就是Python编程如何判别线性 的详细内容,更多请关注其它相关文章!