De lo visto es fácilmente deducible que una de las posibles aplicaciones de un algoritmo de reducción de dimensionalidad como PCA es la visualización en 2 o 3 dimensiones de conjuntos de datos de un mayor número de dimensiones. Apliquemos esta técnica para llevar a un plano las cuatro características numéricas del dataset Iris:
Cargamos el dataset e instanciamos el algoritmo, especificando 2 componentes:
iris = sns.load_dataset("iris")
pca = PCA(n_components = 2, random_state = 0)
Lo entrenamos y aplicamos la transformación:
iris_t = pca.fit_transform(iris.drop("species", axis = 1))
Por último, mostramos los datos transformados:
sns.scatterplot(iris_t[:, 0], iris_t[:, 1], hue = iris.species);
