机器学习 | 特征工程 —— 降维：PCA（主成分分析）

素颜马尾好姑娘i 2023-02-22 13:49 50阅读 0赞

# 1.数学原理 #

> ## 1.1.【参考博客】 ##
> 
> [https://www.cnblogs.com/xinyuyang/p/11178676.html][https_www.cnblogs.com_xinyuyang_p_11178676.html]
> 
> ## 1.2.【精简描述】 ##
> 
> PCA实际上是将含有冗余特征的高维空间数据集**投影**到地位空间中，在保证信息量的同时，对数据集冗余特征进行筛选。***而投影的关键***就在于确定高维空间向低维空间转换的**基向量**。而***基向量选取的原则则是尽可能的保持投影后的数据的信息量***，也就是高维数据投影到低维空间中某个基向量之上以后，数据越分散越好（常用方差衡量数据的分散程度，即相同特征之间**方差**越大越好）。同时，也应当***保证所有基向量之间的耦合程度越小越好***（基向量之间是正交的），而不同基向量上投影的线性相关性度量标准则为**协方差**。（不同特征间的协方差越小越好）

# 2.PCA流程 #

>  *  【原始矩阵】**A\_\{m,n\}**: m表示对象个数，n表示特征个数
>  *  step 1. 数据预处理：每一个特征列减去其列均值，使得特征列中所有元素之和为0
>  *  step 2. 求协方差矩阵**B\_\{n,n\} = (A^T·A)**：1)协方差矩阵对角线元素为特征方差(***方差尽可能大***); 2)非对角线元素为特征之间的协方差(***协方差尽可能小***)
>  *  step 3. 对协方差矩阵进行特征分解：特征值降序，选择前N大特征值对应特征向量组成特征向量组**P\_\{n,N\}**
>  *  step 4. 将原始数据投影到选取的特征向量上：**D\_\{m,N\}** = A\_\{m,n\}×P\_\{n,N\}

![20200704104000739.png][]

# 3.PCA的python实现 #

## 3.1.python中PCA接口 ##

from sklearn import decomposition
    from sklearn import datasets
    import matplotlib.pyplot as plt
    
    
    def load_data():
        """加载数据"""
        digits = datasets.load_digits()
        return digits.data, digits.target
    
    
    # 实例化PCA对象并训练
    # 1.PCA()参数说明：
    # -n_components: 降维后的主成分数量
    # -copy: 表示是否在运算法时，将原始训练数据复制一份
    # -whiten: 判断是否白化，即对降维后的每个特征进行归一化
    # -random_state: 随机数种子
    # 2.PCA()实例对象属性+方法：
    # -components_: 返回具有最大方差的成分
    # -explained_variance_: 降维后的各主成分的方差值
    # -explained_variance_ratio_：返降维后的各主成分的方差值占总方差值的比例，这个比例越大，则越是重要的主成分
    # -n_components_：返回所保留的成分个数n
    # 2.PCA()对象方法：
    # -fit(x)：模型训练
    # -fit_transform(x): 用X来训练PCA模型，同时返回降维后的数据。
    # -inverse_transform(): 将降维后的数据转换成原始数据
    # -transform(x): 将数据X转换成降维后的数据。当模型训练好后，对于新输入的数据，都可以用transform方法来降维
    def construct_my_pca(x, n_components, random_state=1):
        """构造pca模型"""
        pca = decomposition.PCA(n_components=n_components, random_state=random_state)
        # pca.fit(x)
        # pca.transform(x)
        return pca.fit_transform(x)
    
    
    def draw_figure(x_pca, y):
        """绘图"""
        plt.figure(figsize=(10, 10), dpi=100)
        plt.scatter(x_pca[:, 0], x_pca[:, 1], c=y)
        plt.xlabel("component-1", fontsize=11)
        plt.ylabel("component-2", fontsize=11)
        plt.show()
    
    
    def main():
        data, label = load_data()
        data_pca = construct_my_pca(data, 2, 1)
        draw_figure(data_pca, label)
    
    
    if __name__ == "__main__":
        main()

## 3.2.python结构化实现PCA ##

from sklearn import decomposition
    from sklearn import datasets
    import matplotlib.pyplot as plt
    import numpy as np
    
    
    def load_data():
        """加载数据"""
        digits = datasets.load_digits()
        return digits.data, digits.target
    
    
    def construct_my_pca(rawData, n_components, random_state=1):
        """构造pca模型"""
        try:
            # 1.数据预处理
            meanVal = np.mean(rawData, axis=0)
            x = rawData - meanVal
    
            # 2.计算协方差矩阵[一行代表一个样本]
            cov = np.cov(x, rowvar=False)
    
            # 3.计算协方差矩阵的特征值与特征向量
            eigVals, eigVects = np.linalg.eig(cov)
            eigValIndice = np.argsort(eigVals)
            n_eigValIndice = eigValIndice[-1:-(n_components+1):-1]
            n_eigVects = eigVects[:, n_eigValIndice]
    
            # 4.生成低维空间数据
            res = np.dot(x, n_eigVects)
            return res
        except Exception as e:
            return "this is error!"
    
    
    def draw_figure(x_pca, y):
        """绘图"""
        plt.figure(figsize=(10, 10), dpi=100)
        plt.scatter(x_pca[:, 0], x_pca[:, 1], c=y)
        plt.xlabel("component-1", fontsize=11)
        plt.ylabel("component-2", fontsize=11)
        plt.show()
    
    
    def main():
        data, label = load_data()
        data_pca = construct_my_pca(data, 2, 1)
        draw_figure(data_pca, label)
    
    
    if __name__ == "__main__":
        main()

[https_www.cnblogs.com_xinyuyang_p_11178676.html]: https://www.cnblogs.com/xinyuyang/p/11178676.html
[20200704104000739.png]: https://img-blog.csdnimg.cn/20200704104000739.png