乐趣区

关于机器学习:机器学习PCA

前言

PCA(Principal Component Analysis)是一种罕用的数据降维办法,它的次要思维是将高维数据降维到一个低维空间,同时保留尽可能多的原始数据的信息。

定义

PCA (Principal Component Analysis) 是一种罕用的数据降维算法,用于对高维数据进行降维和特征提取。它的次要思维是通过对数据的协方差矩阵进行特征值合成,抉择前 k 个特征值最大的特征向量作为新的主成分,将原始数据投影到主成分空间,从而实现数据降维。

PCA 罕用于数据降维、数据可视化、数据压缩等场景,其特点是能够无效的升高数据维度,保留数据的次要特色。

PCA 步骤
  1. 中心化:将数据的每一个特色列减去该列的平均值,使得每一个特色的均值为 0。
  2. 协方差:计算样本的协方差矩阵,该矩阵示意各个特色之间的关系。
  3. 特征分析:对协方差矩阵进行特征分析,失去特征值和特征向量。特征向量示意了新的坐标轴的方向,特征值示意了新坐标轴的方差。
  4. 降维:抉择特征值较大的特征向量,结构新的坐标系,将原始数据投影到新的坐标系上,从而达到降维的目标。

​ 这些步骤通过计算的过程能够失去一个主成分的矩阵,该矩阵的列示意了新的坐标轴,行示意了每一个样本在新坐标系上的坐标。

​ PCA 算法的一个重要长处是能够无效的升高数据的维度,升高数据的维数对于升高算法的复杂度和防止过拟合都有很重

PCA 长处
  1. 简化数据:PCA 能够无效的升高数据的维度,简化数据,便于后续数据分析。
  2. 缩小噪声:PCA 能够把噪声数据升高到最小,进步数据的品质。
  3. 可视化:PCA 能够将高维数据映射到二维或三维空间,便于人眼察看和可视化。
  4. 去冗余:PCA 能够打消数据中的冗余信息,只保留次要信息。
PCA 毛病
  1. 信息损失:PCA 为了升高数据的维度,可能会导致肯定的信息损失。
  2. 难以解释:PCA 降维后的数据维度和特色很难被人类间接了解和解释。
  3. 不适用于非线性数据:PCA 实用于线性数据,对于非线性数据,PCA 可能不能失去现实的后果。

所以在应用 PCA 时,要依据你的理论状况权衡利弊,联合其余算法一起应用

代码
import numpy as np

# 应用这段代码能够实现将原始数据降维至指定的维数,并返回降维后的数据

def PCA(X, k=None):
    """
    X: m x n 的数据矩阵,m 示意样本数量,n 示意每个样本的特色数
    k: 须要保留的主成分数量,如果不指定,则保留所有的主成分
    """
    # 对样本进行中心化
    X_mean = np.mean(X, axis=0)
    X = X - X_mean

    # 计算协方差矩阵
    cov_matrix = np.cov(X.T)

    # 计算协方差矩阵的特征值和特征向量
    eigenvalues, eigenvectors = np.linalg.eig(cov_matrix)

    # 对特征值进行排序,从大到小
    eigenvalues_sorted_index = np.argsort(eigenvalues)[::-1]
    eigenvalues = eigenvalues[eigenvalues_sorted_index]
    eigenvectors = eigenvectors[:, eigenvalues_sorted_index]

    # 依据 k 的值抉择保留的主成分数量
    if k is not None:
        eigenvalues = eigenvalues[:k]
        eigenvectors = eigenvectors[:, :k]

    # 计算降维后的数据
    transformed_X = np.dot(X, eigenvectors)

    return transformed_X
退出移动版