pcapng文件怎么解析读取（python解析pcap文件）



#主成分分析

import pandas as pd

import numpy as np

from sklearn.datasets import load_iris

import matplotlib.pyplot as plt

from sklearn.preprocessing import StandardScaler

%matplotlib inline

#载入数据

iris = load_iris()

df = pd.DataFrame(iris.data,columns=iris.feature_names)

df['label'] = iris.target

df.columns = ['sepal length','sepal width','petal length','petal width','label']

print(df.label.value_counts())

print(df.tail())

#查看数据

X = df.iloc[:,0:4]

y = df.iloc[:,4]

print("查看第一个数据： ",X.iloc[0,0:4])

print ("查看第一个标签： ",y.iloc[0])

class PCA():

    def __init__(self,n_components):

        pass

    '''相当于self.n_components = n_components

        self.mean_ = None

        self.components_ = None

        self.explained_variance_ = None'''

    def fit(self,X):

        n_sample = np.shape(X)[0] #获取样本数量，获取数据矩阵 X 的行数

        '''covariance_matrix = (1/(n_sample-1)*(X - X.mean(axis=0).T.dot(X-X.mean(axis=0))))#计算协方差矩阵。X - X.mean(axis=0）计算特征的平均值

        eigenvalues,eigenvectors = np.linalg.eig(covariance_matrix) #对协方差矩阵进行特征值分解'''

        # 标准化数据

        X_centered = X - X.mean(axis=0)

        # 计算协方差矩阵

        covariance_matrix = (1 / (n_sample - 1)) * (X_centered.T.dot(X_centered))

        #对特征值（特征向量）从大到小排序

        idx = eigenvalues.argsort()[::-1]

       #从排序后的特征值中选择前 n_components 个最大特征值。

        eigenvalues = eigenvalues[idx][:n_components]

        eigenvectors = np.atleast_1d(eigenvectors[:,idx])[:, :n_components]

        #得到低维表示

        X_transfoemed = X.dot(eigenvectors)

        return X_transfoemed

model = PCA()

Y = model.fit(X,2)

principalDf = pd.DataFrame(np.array(Y),

                           columns=['principal component 1','principal component 2'])

Df = pd.concat([principalDf,y],axis = 1)

fig = plt.figure(figsize = (5,5))

ax = fig.add_subplot(1,1,1)

ax.set_xlabel('Principal Component 1',fontsize = 15)

ax.set_ylabel('Principal Component 2',fontsize = 15)

ax.set_title('2 component PCA',fontsize = 20)

targets = [0,1,2]

colors = ['r','g','b']

for target,color in zip(targets,colors):

    indicesToKeep = Df['label'] == target

    ax.scatter(Df.loc[indicesToKeep,'principal component 1']

               ,[indicesToKeep,'principal component 2']

               ,c = color

               ,s = 50)

    ax.legend(targets)

    ax.grid()

    plt.show()

程序一直报这个错误，参考过AI编写也是有使用n_components

尝试过在一开始导入k_componts,后面的也使用这个，但依旧不能运行

版权声明：

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如若内容造成侵权、违法违规、事实不符，请将相关资料发送至xkadmin@xkablog.com进行投诉反馈，一经查实，立即处理！

转载请注明出处，原文链接：https://www.xkablog.com/pythonbc/28570.html