吴恩达《Machine Learning》精炼笔记 9:PCA 及其 Python 实现

系列文章:

吴恩达《Machine Learning》精炼笔记 1:监督学习与非监督学习

吴恩达《Machine Learning》精炼笔记 2:梯度下降与正规方程

吴恩达《Machine Learning》精炼笔记 3:回归问题和正则化

吴恩达《Machine Learning》精炼笔记 4:神经网络基础

吴恩达《Machine Learning》精炼笔记 5:神经网络

吴恩达《Machine Learning》精炼笔记 6:关于机器学习的建议

吴恩达《Machine Learning》精炼笔记 7:支持向量机 SVM

吴恩达《Machine Learning》精炼笔记 8:聚类 KMeans 及其 Python实现

在本文中主要介绍的是数据降维相关的内容,重点讲解了PCA算法

  • 为什么要实施降维
    • 数据压缩
    • 数据可视化
  • PCA算法
    • PCA和线性回归算法的区别
    • PCA算法特点
    • Python实现PCA
  • sklearn中实现PCA

为何降维

在现实高维数据情况下,会有数据样本稀疏、距离计算困难等问题,被称为维数灾难。

解决的方法就是降维,也称之为“维数约简”,即通过某种数据方法将原始高维属性空间转成一个低维“子空间”。在这个子空间中,样本密度大大提高,将高维空间中的一个低维“嵌入”。

降维Dimensionality Reduction

数据降维主要是有两个动机:

  • 数据压缩Data Compression
  • 数据可视化Data Visualization

数据压缩Data Compression

上图解释:

1.在一个三维空间中的特征向量降至二维的特征向量。
2.将三维投影到一个二维的平面上,迫使所有的数据都在同一个平面上。
3.这样的处理过程可以被用于把任何维度的数据降到任何想要的维度,例如将1000维的特征降至100维。

数据可视化Data Visualization

降维能够帮助我们进行数据的可视化工作。

上面图的解释:

1.假设给定数据,具有多个不同的属性
2.某些属性表示的含义可能相同,在图形中可以放到同一个轴上,进行数据的降维

PCA- Principal Component Analysis

在PCA中,要做的是找到一个方向向量(Vector direction),当把所有的数据都投射到该向量上时,PCA的关键点就是找到一个投影平面使得投影误差最小化。

方向向量是一个经过原点的向量,而投射误差是从特征向量向该方向向量作垂线的长度。

PCA与线性回归的区别

1.线性回归中的纵轴是预测值,PCA中是特征属性
2.误差不同:PCA是投射误差,线性回归是尝试最小化预测误差。
3.线性回归的目的是预测结果,PCA·是不做任何分析。

PCA算法

主成分分析中,首先对给定数据进行规范化,使得数据每一变量的平均值为0,方差为1。
之后对数据进行正交变换,用来由线性相关表示的数据,通过正交变换变成若干个线性无关的新变量表示的数据。

新变量是可能的正交变换中变量的方差和(信息保存)最大的,方差表示在新变量上信息的大小。将新变量一次成为第一主成分,第二主成分等。通过主成分分析,可以利用主成分近似地表示原始数据,便是对数据降维。

PCA算法中从n维到k维的过程是

  • 均值归一化。计算所有特征的均值,令xj=xj−μj,如果特征不在一个数量级上,需要除以标准差
  • 计算协方差矩阵 covariance matrix

  • 计算协方差矩阵∑的特征向量 eigenvectors

在西瓜书中的描述为

主成分个数确定

关于PCA算法中主成分个数k的确定,一般是根据公式:

不等式右边的0.01可以是0.05,或者0.1等,都是比较常见的。当为0.01的时候,表示保留了99%的方差数据,即大部分的数据特征被保留了。

当给定了个数k,协方差矩阵S中求解出来的各个特征值满足公式:

也就是满足:

这个和上面的公式是等价的。

重建的压缩表示

重建的压缩表示Reconstruction from Compressed Representation指的是将数据从低维还原到高维的过程。

将指定的点位置映射到一个三维曲面,反解前面的方程:

PCA特点

1.PCA本质上是将方差最大的方向作为主要特征,让这些特征在不同正交方向上没有相关性。
2.PCA是一种无参数技术,不需要进行任何参数的调节

Python实现PCA

利用numpy、pandas、matplotlib库实现PCA算法

sklearn中实现PCA

Linear dimensionality reduction using Singular Value Decomposition of the data to project it to a lower dimensional space. The input data is centered but not scaled for each feature before applying the SVD.
用sklearn学习PCA:

用sklearn学习PCA:

https://www.cnblogs.com/pinard/p/6243025.html

实现模块

在scikit-learn中,与PCA相关的类都在sklearn.decomposition包中。最常用的PCA类就是sklearn.decomposition.PCA。

白化:对降维后的数据的每个特征进行归一化,让方差都为1

class sklearn.decomposition.PCA(n_components=None, # 降维后的特征数目,直接指定一个整数
                                copy=True,
                                whiten=False, # 判断是否进行白化,默认是不白化
                                svd_solver='auto', # 指定奇异值分解SVD的方法
                                tol=0.0,
                                iterated_power='auto',
                                random_state=None)

demo

在这里讲解一个例子,利用PCA算法来进行IRIS数据的分类


本文首发于公众号:AI有道(ID: redstonewill),欢迎关注!

未经允许不得转载:红色石头的个人博客 » 吴恩达《Machine Learning》精炼笔记 9:PCA 及其 Python 实现

赞 (0) 打赏

评论 0

  • 昵称 (必填)
  • 邮箱 (必填)
  • 网址

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

微信扫一扫打赏