Principal Component Analysis (PCA) | วิธีคลาสสิกในการลดมิติ

import numpy as np
import matplotlib.pyplot as plt
import japanize_matplotlib
from sklearn.decomposition import PCA
from sklearn.datasets import load_wine

data = load_wine()
X = data.data
y = data.target

pca = PCA(n_components=2)
X_pca = pca.fit_transform(X)

plt.figure(figsize=(6, 5))
plt.scatter(X_pca[:, 0], X_pca[:, 1], c=y, cmap="tab10")
plt.xlabel("PC1")
plt.ylabel("PC2")
plt.title("Wine dataset บน PCA 2 มิติ")
plt.grid(alpha=0.2)
plt.tight_layout()
plt.show()

print("สัดส่วนความแปรปรวน:", pca.explained_variance_ratio_)