Python PCA降維的兩種實現(xiàn)方法

更新時間：2022年01月14日 09:19:39 作者：F riend L Y

大家好，本篇文章主要講的是Python PCA降維的兩種實現(xiàn)方法，感興趣的的同學趕快來看一看吧，對你有幫助的話記得收藏一下

前言

PCA降維，一般是用于數(shù)據(jù)分析和機器學習。它的作用是把一個高維的數(shù)據(jù)在保留最大信息量的前提下降低到一個低維的空間，從而使我們能夠提取數(shù)據(jù)的主要特征分量，從而得到對數(shù)據(jù)影響最大的主成分，便于我們對數(shù)據(jù)進行分析等后續(xù)操作。

例如，在機器學習中，當你想跟據(jù)一個數(shù)據(jù)集來進行預測工作時，往往要采用特征構(gòu)建、不同特征相乘、相加等操作，來擴建特征，所以，當數(shù)據(jù)處理完畢后，每個樣本往往會有很多個特征，但是，如果把所有數(shù)據(jù)全部喂入模型，可能會導致糟糕的結(jié)果。在高維數(shù)據(jù)集中，往往只有部分特征有良好的預測能力，很多特征純粹是噪音(沒有預測能力)，很多特征彼此之間也可能高度相關，這些因素會降低模型的預測精度，訓練模型的時間也更長。降低數(shù)據(jù)集的維度在某種程度上能解決這些問題，這時候就用到了PCA降維。

假設原始數(shù)據(jù)集的特征有500個，通過PCA降維，降到了400，那么我們就可以用降維后得到的這400個特征代替原始數(shù)據(jù)集的那500個，此時再喂給模型，那么模型的預測能力相比之前會有所提升。但要明白一點的是，降維后得到的這400個特征是新的特征，是原始數(shù)據(jù)集在高維空間某一平面上的投影，能夠反映原特征提供的大部分信息，并不是指在原來的500個中篩選400個特征。

PCA降維的一般步驟為：

1.將原始數(shù)據(jù)進行標準化（一般是去均值，如果特征在不同的數(shù)量級上，則還要將其除以標準差）

2.計算標準化數(shù)據(jù)集的協(xié)方差矩陣

3.計算協(xié)方差矩陣的特征值和特征向量

4.保留最重要（特征值最大）的前k個特征（k就表示降維后的維度）

5.找到這k個特征值對應的特征向量

6.將標準化數(shù)據(jù)集乘以該k個特征向量，得到降維后的結(jié)果

實現(xiàn)PCA降維，一般有兩種方法：

首先先來解釋一下代碼中用到的數(shù)據(jù)集：

在這兩個代碼中，用的是sklean庫中自帶的iris（鳶尾花）數(shù)據(jù)集。iris數(shù)據(jù)集包含150個樣本，每個樣本包含四個屬性特征（花萼長度、花萼寬度、花瓣長度、花瓣寬度）和一個類別標簽（分別用0、1、2表示山鳶尾、變色鳶尾和維吉尼亞鳶尾）。

data = load_iris()
y = data.target
x = data.data

y就表示數(shù)據(jù)集中的類別標簽，x表示數(shù)據(jù)集中的屬性數(shù)據(jù)。因為鳶尾花類別分為三類，所以我們降維后，要跟據(jù)y的值，分別對這三類數(shù)據(jù)點進行繪圖。

第一種，就是依照上面PCA的步驟，通過矩陣運算，最終得到降維后的結(jié)果：

import numpy as np
from sklearn.datasets import load_iris
import matplotlib.pyplot as plt
 
 
def pca(dataMat, topNfeat):
    meanVals = np.mean(dataMat, axis=0)
    meanRemoved = dataMat - meanVals  # 標準化（去均值）
    covMat = np.cov(meanRemoved, rowvar=False)
    eigVals, eigVets = np.linalg.eig(np.mat(covMat))  # 計算矩陣的特征值和特征向量
    eigValInd = np.argsort(eigVals)  # 將特征值從小到大排序，返回的是特征值對應的數(shù)組里的下標
    eigValInd = eigValInd[:-(topNfeat + 1):-1]  # 保留最大的前K個特征值
    redEigVects = eigVets[:, eigValInd]  # 對應的特征向量
    lowDDatMat = meanRemoved * redEigVects  # 將數(shù)據(jù)轉(zhuǎn)換到低維新空間
    # reconMat = (lowDDatMat * redEigVects.T) + meanVals  # 還原原始數(shù)據(jù)
    return lowDDatMat
 
 
def plotPCA(lowMat):
    reconArr = np.array(lowMat)
    red_x, red_y = [], []
    blue_x, blue_y = [], []
    green_x, green_y = [], []
    for i in range(len(reconArr)):
        if y[i] == 0:
            red_x.append(reconArr[i][0])
            red_y.append(reconArr[i][1])
        elif y[i] == 1:
            blue_x.append(reconArr[i][0])
            blue_y.append(reconArr[i][1])
        else:
            green_x.append(reconArr[i][0])
            green_y.append(reconArr[i][1])
    plt.scatter(red_x, red_y, c='r', marker='x')
    plt.scatter(blue_x, blue_y, c='b', marker='D')
    plt.scatter(green_x, green_y, c='g', marker='.')
    plt.show()
 
 
if __name__ == '__main__':
    data = load_iris()
    y = data.target
    x = data.data
    matx = np.mat(x)
    lowDMat = pca(matx, 2)
    plotPCA(lowDMat)

第二種，是在sklearn庫中調(diào)用PCA算法來實現(xiàn)：

import matplotlib.pyplot as plt
from sklearn.decomposition import PCA  # 加載PCA算法包
from sklearn.datasets import load_iris
import numpy as np
 
data = load_iris()
y = data.target
x = data.data
pca = PCA(n_components=2)  # 加載PCA算法，設置降維后主成分數(shù)目為2
reduced_x = pca.fit_transform(x)  # 對樣本進行降維
# reduced_x = np.dot(reduced_x, pca.components_) + pca.mean_  # 還原數(shù)據(jù)
 
red_x, red_y = [], []
blue_x, blue_y = [], []
green_x, green_y = [], []
# print(reduced_x)
for i in range(len(reduced_x)):
    if y[i] == 0:
        red_x.append(reduced_x[i][0])
        red_y.append(reduced_x[i][1])
    elif y[i] == 1:
        blue_x.append(reduced_x[i][0])
        blue_y.append(reduced_x[i][1])
    else:
        green_x.append(reduced_x[i][0])
        green_y.append(reduced_x[i][1])
plt.scatter(red_x, red_y, c='r', marker='x')
plt.scatter(blue_x, blue_y, c='b', marker='D')
plt.scatter(green_x, green_y, c='g', marker='.')
plt.show()

在第二個代碼中，值得一說的是fit_transform()這個函數(shù)，它其實就是fit()和transform()這兩個函數(shù)的結(jié)合，相當于先調(diào)用fit()再調(diào)用transform()。fit()和transform()這兩個函數(shù)在sklearn庫中經(jīng)常出現(xiàn)，fit()函數(shù)可以理解為求傳入的數(shù)據(jù)集的一些固有的屬性（如方差、均值等等），相當于一個訓練過程，而transform()函數(shù)，可以理解為對訓練后的數(shù)據(jù)集進行相應的操作（如歸一化、降維等等）。在不同的模塊中，這兩個函數(shù)的具體實現(xiàn)也不一樣，比如在PCA模塊里，fit()相當于去均值，transform()則相當于降維。

這兩種代碼運行后，生成的圖像如下（圖一為第一種代碼，圖二為第二種代碼）：