ToB企服应用市场:ToB评测及商务社交产业平台

标题: 《呆板学习》——PCA降维 [打印本页]

---

作者: 魏晓东    时间: 2025-1-17 06:48
标题: 《呆板学习》——PCA降维
PCA降维简介

• 主身分分析（Principal Component Analysis，PCA）是一种多变量统计分析方法。
  
• PCA 降维是基于如许一个理念：在高维数据空间中，存在一些方向（主身分）比其他方向更能代表数据的变化。通过将数据投影到这些主要方向上，我们可以在较低维度空间中表示数据，同时尽大概淘汰信息丧失。比方，假设有一个三维数据集，数据点在某个平面附近分布较密集，而在垂直于该平面的方向上变化较小。PCA 降维就可以找到这个平面的方向作为主要身分，将数据从三维降到二维。
  

什么是主身分分析？

主身分的选择与维度确定

降维的数学过程

PCA降维求解步骤

降维后的效果和应用场景中的上风

• 去除噪声和冗余信息：在现实数据中，大概存在一些噪声或者变量之间的冗余。PCA 降维通过聚焦于主要身分，可以有效地去除这些干扰因素。比方，在传感器数据中，大概由于传感器的精度问题或者环境因素产生噪声，PCA 可以降低这些噪声对数据分析的影响。
  
• 进步盘算服从：在处置惩罚高维数据时，许多呆板学习算法的盘算复杂度会随着维度的增长而急剧上升。降维后的低维数据可以大大淘汰盘算量。比如在支持向量机（SVM）分类使命中，对高维数据进行 PCA 降维后再进行分类，可以加速训练和预测的速度。
  
• 数据可视化：当数据维度降低到二维或三维时，可以方便地进行可视化。比方，在市场细分研究中，将消费者的多维度数据（如消费风俗、人口统计学特性等）进行 PCA 降维后，绘制在二维平面上，可以直观地看到差异消费群体的分布，有助于制定针对性的营销策略。
  

PCA模型

API参数

• n_components：这个参数可以帮我们指定希望PCA降维后的特性维度数量。简朴来说：指定整数，表示要降维到的目标，【比如十维的数据，指定n_components=5，表示将十维数据降维到五维】假如为小数，表示累计方差百分比。0.9
  
• copy : 类型：bool，True或者False，缺省时默以为True。
  意义：表示是否在运行算法时，将原始训练数据复制一份。若为True，则运行PCA算法后，原始训练数据的值不会有任何改变，因为是在原始数据的副本上进行运算；若为False，则运行PCA算法后，原始训练数据的值会改，因为是在原始数据上进行降维盘算。
  【按默以为True】
  
• whiten：判定是否进行白化。所谓白化，就是对降维后的数据的每个特性进行归一化，让方差都为1.对于PCA降维本身来说，一样平常不需要白化。假如你PCA降维后有后续的数据处置惩罚动作，可以思量白化。默认值是False，即不进行白化。
  
• svd_solver：即指定奇特值分解SVD的方法，由于特性分解是奇特值分解SVD的一个特例，一样平常的PCA库都是基于SVD实现的。有4个可以选择的值：{‘auto’, ‘full’, ‘arpack’, ‘randomized’}。randomized一样平常实用于数据量大，数据维度多同时主身分数量比例又较低的PCA降维，它使用了一些加速SVD的随机算法。 full则是传统意义上的SVD，使用了scipy库对应的实现。arpack和randomized的实用场景类似，区别是randomized使用的是scikit-learn自己的SVD实现，而arpack直接使用了scipy库的sparse SVD实现。默认是auto，即PCA类会自己去在前面讲到的三种算法里面去衡量，选择一个合适的SVD算法来降维。一样平常来说，使用默认值就够了。【按默认设置即可】
  

Attributes属性

• components_：array, shape (n_components, n_features) 指表示主身分系数矩阵
  
• explained_variance_：降维后的各主身分的方差值。方差值越大，则说明越是重要的主身分。
  
• explained_variance_ratio_：降维后的各主身分的方差值占总方差值的比例，这个比例越大，则越是重要的主身分。【一样平常看比例即可 >90%】
  

PCA对象的方法

PCA降维实例

   对鸢尾花数据进行降维处置惩罚：

共66条数据。
  导入所需库

1. from sklearn.decomposition import PCA
2. import pandas as pd

复制代码

导入数据集

1. data = pd.read_excel('hua.xlsx') # 数据读取

复制代码

对数据进行处置惩罚

1. # 取除最后一列外的所有列作为特征变量
2. x = data.iloc[:,:-1]
3. # 取最后一列作为目标变量
4. y = data.iloc[:,-1]

复制代码

创建PCA模型并训练

1. # 实例化 PCA 对象，设置主成分解释的方差比例为 0.90
2. pca = PCA(n_components=0.90)
3. # 对特征变量 x 进行 PCA 训练，不需要传入目标变量 y
4. pca.fit(x)

复制代码

查看训练结果

1. print("特征所占百分比：{}".format(sum(pca.explained_variance_ratio_)))
2. print(pca.explained_variance_ratio_)
4. print("PCA 降维后数据：")
5. # 将数据 x 从原始特征空间转换到主成分空间
6. new_x = pca.transform(x)
7. print(new_x)

复制代码

对降维数据进行分别数据集

1. from sklearn.model_selection import train_test_split
3. # 将降维后的数据 new_x 和目标变量 y 划分为训练集和测试集，测试集比例为 0.2，随机种子为 0
4. x_train,x_test,y_train,y_test = train_test_split(new_x,y,test_size=0.2,random_state=0)

复制代码

进行逻辑回归模型训练

1. # 导入逻辑回归分类器
2. from sklearn.linear_model import LogisticRegression
4. # 实例化逻辑回归分类器
5. classifier = LogisticRegression()
6. # 使用训练集数据进行逻辑回归分类器的训练，传入特征变量 x_train 和目标变量 y_train
7. classifier.fit(x_train,y_train)  

复制代码

自测和使用测试集测试并打印分类报告

1. from sklearn import metrics
2. # 使用训练好的分类器对训练集进行预测
3. train_pred = classifier.predict(x_train)
5. # 打印训练集的分类报告，评估分类器在训练集上的性能
6. print(metrics.classification_report(y_train,train_pred))
7. print(train_pred)
9. # 使用训练好的分类器对测试集进行预测
10. test_pred = classifier.predict(x_test)
11. # 打印测试集的分类报告，评估分类器在测试集上的性能
12. print(metrics.classification_report(y_test,test_pred))
13. print(test_pred)

复制代码

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。

---

欢迎光临 ToB企服应用市场:ToB评测及商务社交产业平台 (https://dis.qidao123.com/)

Powered by Discuz! X3.4