主成分分析——PCA降维Python实现及碎石图

主成分分析——PCA降维Python实现及碎石图引言 降维的思想 多元统计分析处理的是多变量问题 由于变量较多 增加了分析问题的复杂性 但在实际问题中 变量过多会存在一定的相关性 因此 多变量中可能会存在信息的重叠 在我们进行数据处理的时候为了提高计算速度 去除多余的特征 减少过拟合的可能 我们会经常用到降维进行数据预处理

大家好,我是讯享网,很高兴认识大家。

引言

降维的思想:

      多元统计分析处理的是多变量问题。由于变量较多,增加了分析问题的复杂性。但在实际问题中,变量过多会存在一定的相关性,因此,多变量中可能会存在信息的重叠。在我们进行数据处理的时候为了提高计算速度、去除多余的特征、减少过拟合的可能;我们会经常用到降维进行数据预处理,用较少的变量代替原来较多的变量。

一、主成分分析

(1)基本思想

       由于多个变量之间往往存在着一定程度的相关性。人们自然希望通过线性组合的方式,从这些指标中尽可能快地提取信息。当第一个线性组合不能提取更多的信息时,再考虑用第二个线性组合继续这个快速提取的过程,……,直到所提取的信息与原指标相差不多时为止。

(2)主成分分析目的用少的变量但却拥有很大的信息量,那么信息量用什么代表???

指标是变异性:方差或标准差。

(3)降维目标

通过线性变换将特征x1,x2,...,xm变为特征y1,y2,....,ym,寻找线性变换:


讯享网

 使得降维后的随机变量y1,y2,....,yp之间两两不相关,并且使得降维后的随机变量的方差存在

 到最大。

(4)线性变换的本质意义

       设m个变量构成的m维随机向量为X = (X1,…,Xm)′。对X作正交变换,令Y = T′X,其中T为正交阵,要求Y的各分量是不相关的,并且Y的第一个分量的方差是最大的,第二个分量的方差次之,……,等等。为了保持信息不丢失,Y的各分量方差和与X的各分量方差和相等。

(5)PCA 函数的参数说明

函数为:sklearn.decomposition.PCA(n_components=None,copy=True)

1. n_components:PCA算法中所要保存的主成分个数n即保留下来的特征数。

2. 是否运行算法时,将原始数据复制一份。

(6)评估

利用主成分进行综合评价时,主要是将原有的信息进行综合,因此,要充分的利用原始变量提供的信息。将主成分的权数根据它们的方差贡献率来确定,因为方差贡献率反映了各个主成分的信息含量多少。

二、实例

import numpy as np import pandas as pd from sklearn.decomposition import PCA data=pd.read_csv('C:/Users/bwy/Desktop/ _data_1.csv') pca=PCA() pca.fit(x) pca.components_ pca.explained_variance_ratio_

讯享网

这个数据集具有50个特征。当我们输出pca.components_(返回每个模型的特征向量),结果:

当我们输出pca.explained_variance_ratio_(返回个个主成分的贡献率),结果: 

我们可以根据观察进行选取n的个数。

第一成分贡献率0.97535
第二成分贡献率0.01864
第二成分贡献率0.00311,
所以一个的累积贡献率为0.97535
二个的累积贡献率为0.99399 
三个的累积贡献率为0.9971

第二个主成分信息就可以达到99%所以采用n_components=2

讯享网pca=PCA(2) pca.fit(x) low_d=pca.transfrom(x)#降低维度 pd.DataFrame(low_d).to_excel(out)#保存结果

三、碎石图(看图降维几维)

import matplotlib.pyplot as plt plt.plot(pca.components_,marker='o')

 结果:

 

小讯
上一篇 2025-03-07 14:14
下一篇 2025-03-10 17:30

相关推荐

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容,请联系我们,一经查实,本站将立刻删除。
如需转载请保留出处:https://51itzy.com/kjqy/78101.html