Scikit Learn - 使用PCA进行降维

降维是一种无监督机器学习方法，用于减少每个数据样本的特征变量的数量，选择一组主要特征。主成分分析 (PCA) 是降维的常用算法之一。

精确PCA

主成分分析 (PCA) 用于使用数据的奇异值分解 (SVD) 进行线性降维，以将其投影到低维空间。在使用PCA进行分解时，在应用SVD之前，输入数据以每个特征为中心，但未缩放。

Scikit-learn ML 库提供sklearn.decomposition.PCA模块，该模块作为转换器对象实现，在其fit()方法中学习n个组件。它也可以用于新数据，以将其投影到这些组件上。

示例

下面的示例将使用sklearn.decomposition.PCA模块从Pima印第安人糖尿病数据集找到最佳的5个主成分。

from pandas import read_csv
from sklearn.decomposition import PCA
path = r'C:\Users\Leekha\Desktop\pima-indians-diabetes.csv'
names = ['preg', 'plas', 'pres', 'skin', 'test', 'mass', 'pedi', 'age', ‘class']
dataframe = read_csv(path, names = names)
array = dataframe.values
X = array[:,0:8]
Y = array[:,8]
pca = PCA(n_components = 5)
fit = pca.fit(X)
print(("Explained Variance: %s") % (fit.explained_variance_ratio_))
print(fit.components_)

输出

Explained Variance: [0.88854663 0.06159078 0.02579012 0.01308614 0.00744094]
[
   [-2.02176587e-03 9.78115765e-02 1.60930503e-02 6.07566861e-029.93110844e-01 1.40108085e-02 5.37167919e-04 -3.56474430e-03]
   [-2.26488861e-02 -9.72210040e-01 -1.41909330e-01 5.78614699e-029.46266913e-02 -4.69729766e-02 -8.16804621e-04 -1.40168181e-01]
   [-2.24649003e-02 1.43428710e-01 -9.22467192e-01 -3.07013055e-012.09773019e-02 -1.32444542e-01 -6.39983017e-04 -1.25454310e-01]
   [-4.90459604e-02 1.19830016e-01 -2.62742788e-01 8.84369380e-01-6.55503615e-02 1.92801728e-01 2.69908637e-03 -3.01024330e-01]
   [ 1.51612874e-01 -8.79407680e-02 -2.32165009e-01 2.59973487e-01-1.72312241e-04 2.14744823e-02 1.64080684e-03 9.20504903e-01]
]

增量PCA

增量主成分分析 (IPCA) 用于解决主成分分析 (PCA) 最大的局限性，即PCA仅支持批处理，这意味着要处理的所有输入数据都应适合内存。

Scikit-learn ML 库提供sklearn.decomposition.IPCA模块，该模块可以通过在其partial_fit方法上对顺序获取的数据块进行操作，或者通过启用np.memmap（内存映射文件）的使用（而无需将整个文件加载到内存中）来实现 Out-of-Core PCA。

与PCA相同，在使用IPCA进行分解时，在应用SVD之前，输入数据以每个特征为中心，但未缩放。

示例

下面的示例将在Sklearn数字数据集上使用sklearn.decomposition.IPCA模块。

from sklearn.datasets import load_digits
from sklearn.decomposition import IncrementalPCA
X, _ = load_digits(return_X_y = True)
transformer = IncrementalPCA(n_components = 10, batch_size = 100)
transformer.partial_fit(X[:100, :])
X_transformed = transformer.fit_transform(X)
X_transformed.shape

输出

(1797, 10)

在这里，我们可以对较小的数据批次进行部分拟合（就像我们对每个批次进行100次拟合一样），或者您可以让fit()函数将数据划分为批次。

核PCA

核主成分分析是PCA的扩展，它使用核函数实现非线性降维。它支持transform和inverse_transform。

Scikit-learn ML 库提供sklearn.decomposition.KernelPCA模块。

示例

下面的示例将在Sklearn数字数据集上使用sklearn.decomposition.KernelPCA模块。我们正在使用sigmoid核函数。

from sklearn.datasets import load_digits
from sklearn.decomposition import KernelPCA
X, _ = load_digits(return_X_y = True)
transformer = KernelPCA(n_components = 10, kernel = 'sigmoid')
X_transformed = transformer.fit_transform(X)
X_transformed.shape

输出

(1797, 10)

使用随机SVD的PCA

使用随机SVD的主成分分析 (PCA) 用于将数据投影到低维空间，同时保留大部分方差，方法是丢弃与较低奇异值相关的组件的奇异向量。在这里，sklearn.decomposition.PCA模块以及可选参数svd_solver='randomized'将非常有用。

示例

下面的示例将使用sklearn.decomposition.PCA模块以及可选参数svd_solver='randomized'从Pima印第安人糖尿病数据集找到最佳的7个主成分。

from pandas import read_csv
from sklearn.decomposition import PCA
path = r'C:\Users\Leekha\Desktop\pima-indians-diabetes.csv'
names = ['preg', 'plas', 'pres', 'skin', 'test', 'mass', 'pedi', 'age', 'class']
dataframe = read_csv(path, names = names)
array = dataframe.values
X = array[:,0:8]
Y = array[:,8]
pca = PCA(n_components = 7,svd_solver = 'randomized')
fit = pca.fit(X)
print(("Explained Variance: %s") % (fit.explained_variance_ratio_))
print(fit.components_)

输出

Explained Variance: [8.88546635e-01 6.15907837e-02 2.57901189e-02 1.30861374e-027.44093864e-03 3.02614919e-03 5.12444875e-04]
[
   [-2.02176587e-03 9.78115765e-02 1.60930503e-02 6.07566861e-029.93110844e-01 1.40108085e-02 5.37167919e-04 -3.56474430e-03]
   [-2.26488861e-02 -9.72210040e-01 -1.41909330e-01 5.78614699e-029.46266913e-02 -4.69729766e-02 -8.16804621e-04 -1.40168181e-01]
   [-2.24649003e-02 1.43428710e-01 -9.22467192e-01 -3.07013055e-012.09773019e-02 -1.32444542e-01 -6.39983017e-04 -1.25454310e-01]
   [-4.90459604e-02 1.19830016e-01 -2.62742788e-01 8.84369380e-01-6.55503615e-02 1.92801728e-01 2.69908637e-03 -3.01024330e-01]
   [ 1.51612874e-01 -8.79407680e-02 -2.32165009e-01 2.59973487e-01-1.72312241e-04 2.14744823e-02 1.64080684e-03 9.20504903e-01]
   [-5.04730888e-03 5.07391813e-02 7.56365525e-02 2.21363068e-01-6.13326472e-03 -9.70776708e-01 -2.02903702e-03 -1.51133239e-02]
   [ 9.86672995e-01 8.83426114e-04 -1.22975947e-03 -3.76444746e-041.42307394e-03 -2.73046214e-03 -6.34402965e-03 -1.62555343e-01]
]

打印页面