5.2.5 새로운 특성 공간으로 샘플 투영

    이전 절에서 만든 변환 행렬 W를 훈련 데이터셋에 곱해서 데이터를 변환할 수 있습니다.

    >>> X_train_lda = X_train_std.dot(w)
    >>> colors = ['r', 'b', 'g']
    >>> markers = ['s', 'x', 'o']
    >>> for l, c, m in zip(np.unique(y_train), colors, markers):
    ...     plt.scatter(X_train_lda[y_train==l, 0],
    ...                 X_train_lda[y_train==l, 1] * (-1),
    ...                 c=c, label=l, marker=m)
    >>> plt.xlabel('LD 1')
    >>> plt.ylabel('LD 2')
    >>> plt.legend(loc='lower right')
    >>> plt.tight_layout()
    >>> plt.show()

    그림 5-8에서 볼 수 있듯이 이제 세 개의 와인 클래스를 새로운 특성 부분 공간에서 선형적으로 완벽하게 구분할 수 있습니다.

    ▲ 그림 5-8 LDA로 변환된 Wine 데이터셋의 산점도

    신간 소식 구독하기
    뉴스레터에 가입하시고 이메일로 신간 소식을 받아 보세요.