karate_club PCA降维到三维，四类用不同颜色显示

在Karate Club数据集上应用PCA（主成分分析）将高维数据降低到三维空间，通常用于可视化。PCA通过找到数据集中最重要的线性组合，将其转换成新的坐标轴，其中前三个维度（PC1、PC2和PC3）解释了原始数据的大部分方差。

如果你想要将四种不同的类别用不同的颜色在三维图中表示，你可以按照以下步骤操作：

1. 导入数据并加载 Karate Club 数据集，通常用Python的scikit-learn库进行处理。

import pandas as pd
from sklearn.datasets import load Karate_club
data = load_Karate_club()

2. 对数据进行预处理，如编码类别变量（如果需要的话），并将数据分为特征矩阵X和目标变量y。
3. 应用PCA，只保留前三维：

from sklearn.decomposition import PCA
pca = PCA(n_components=3)
X_pca = pca.fit_transform(X)

4. 使用matplotlib或seaborn等库创建散点图，将每种类别用不同的颜色标识：

import matplotlib.pyplot as plt
plt.scatter(X_pca[:,0], X_pca[:,1], c=y, cmap='viridis') # 'viridis'是颜色映射方案
plt.xlabel('PC1')
plt.ylabel('PC2')
plt.title('Karate Club Dataset - PCA in 3D with Different Colors for Each Class')
plt.colorbar(label='Class')