python實(shí)現(xiàn)PCA降維的示例詳解

更新時(shí)間：2020年02月24日 13:07:41 作者：WANG_DDD

今天小編就為大家分享一篇python實(shí)現(xiàn)PCA降維的示例詳解，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過來(lái)看看吧

概述

本文主要介紹一種降維方法，PCA（Principal Component Analysis，主成分分析）。降維致力于解決三類問題。

1. 降維可以緩解維度災(zāi)難問題；

2. 降維可以在壓縮數(shù)據(jù)的同時(shí)讓信息損失最小化；

3. 理解幾百個(gè)維度的數(shù)據(jù)結(jié)構(gòu)很困難，兩三個(gè)維度的數(shù)據(jù)通過可視化更容易理解。

PCA簡(jiǎn)介

在理解特征提取與處理時(shí)，涉及高維特征向量的問題往往容易陷入維度災(zāi)難。隨著數(shù)據(jù)集維度的增加，算法學(xué)習(xí)需要的樣本數(shù)量呈指數(shù)級(jí)增加。有些應(yīng)用中，遇到這樣的大數(shù)據(jù)是非常不利的，而且從大數(shù)據(jù)集中學(xué)習(xí)需要更多的內(nèi)存和處理能力。另外，隨著維度的增加，數(shù)據(jù)的稀疏性會(huì)越來(lái)越高。在高維向量空間中探索同樣的數(shù)據(jù)集比在同樣稀疏的數(shù)據(jù)集中探索更加困難。

主成分分析也稱為卡爾胡寧-勒夫變換（Karhunen-Loeve Transform），是一種用于探索高維數(shù)據(jù)結(jié)構(gòu)的技術(shù)。PCA通常用于高維數(shù)據(jù)集的探索與可視化。還可以用于數(shù)據(jù)壓縮，數(shù)據(jù)預(yù)處理等。PCA可以把可能具有相關(guān)性的高維變量合成線性無(wú)關(guān)的低維變量，稱為主成分（ principal components）。新的低維數(shù)據(jù)集會(huì)盡可能的保留原始數(shù)據(jù)的變量。

PCA將數(shù)據(jù)投射到一個(gè)低維子空間實(shí)現(xiàn)降維。例如，二維數(shù)據(jù)集降維就是把點(diǎn)投射成一條線，數(shù)據(jù)集的每個(gè)樣本都可以用一個(gè)值表示，不需要兩個(gè)值。三維數(shù)據(jù)集可以降成二維，就是把變量映射成一個(gè)平面。一般情況下，nn維數(shù)據(jù)集可以通過映射降成kk維子空間，其中k≤nk≤n。

假如你是一本養(yǎng)花工具宣傳冊(cè)的攝影師，你正在拍攝一個(gè)水壺。水壺是三維的，但是照片是二維的，為了更全面的把水壺展示給客戶，你需要從不同角度拍幾張圖片。下圖是你從四個(gè)方向拍的照片：

第一張圖里水壺的背面可以看到，但是看不到前面。第二張圖是拍前面，可以看到壺嘴，這張圖可以提供了第一張圖缺失的信息，但是壺把看不到了。從第三張俯視圖里無(wú)法看出壺的高度。第四張圖是你真正想要的，水壺的高度，頂部，壺嘴和壺把都清晰可見。

PCA的設(shè)計(jì)理念與此類似，它可以將高維數(shù)據(jù)集映射到低維空間的同時(shí)，盡可能的保留更多變量。PCA旋轉(zhuǎn)數(shù)據(jù)集與其主成分對(duì)齊，將最多的變量保留到第一主成分中。假設(shè)我們有下圖所示的數(shù)據(jù)集：

數(shù)據(jù)集看起來(lái)像一個(gè)從原點(diǎn)到右上角延伸的細(xì)長(zhǎng)扁平的橢圓。要降低整個(gè)數(shù)據(jù)集的維度，我們必須把點(diǎn)映射成一條線。下圖中的兩條線都是數(shù)據(jù)集可以映射的，映射到哪條線樣本變化最大？

顯然，樣本映射到黑色虛線的變化比映射到紅色點(diǎn)線的變化要大的多。實(shí)際上，這條黑色虛線就是第一主成分。第二主成分必須與第一主成分正交，也就是說(shuō)第二主成分必須是在統(tǒng)計(jì)學(xué)上獨(dú)立的，會(huì)出現(xiàn)在與第一主成分垂直的方向，如下圖所示：

后面的每個(gè)主成分也會(huì)盡量多的保留剩下的變量，唯一的要求就是每一個(gè)主成分需要和前面的主成分正交。

現(xiàn)在假設(shè)數(shù)據(jù)集是三維的，散點(diǎn)圖看起來(lái)像是沿著一個(gè)軸旋轉(zhuǎn)的圓盤。

這些點(diǎn)可以通過旋轉(zhuǎn)和變換使圓盤完全變成二維的?，F(xiàn)在這些點(diǎn)看著像一個(gè)橢圓，第三維上基本沒有變量，可以被忽略。

當(dāng)數(shù)據(jù)集不同維度上的方差分布不均勻的時(shí)候，PCA最有用。（如果是一個(gè)球殼形數(shù)據(jù)集，PCA不能有效的發(fā)揮作用，因?yàn)楦鱾€(gè)方向上的方差都相等；沒有丟失大量的信息維度一個(gè)都不能忽略）。

python實(shí)現(xiàn)PCA降維代碼

# coding=utf-8
from sklearn.decomposition import PCA 
from pandas.core.frame import DataFrame
import pandas as pd 
import numpy as np 
l=[]
with open('test.csv','r') as fd:
 
  line= fd.readline()
  while line:
    if line =="":
      continue
 
    line = line.strip()
    word = line.split(",")
    l.append(word)
    line= fd.readline()
 
data_l=DataFrame(l)
print (data_l)
dataMat = np.array(data_l) 
 
 
pca_sk = PCA(n_components=2) 
newMat = pca_sk.fit_transform(dataMat) 
 
 
data1 = DataFrame(newMat)
data1.to_csv('test_PCA.csv',index=False,header=False)

以上這篇python實(shí)現(xiàn)PCA降維的示例詳解就是小編分享給大家的全部?jī)?nèi)容了，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。

您可能感興趣的文章: