吳恩達《Machine Learning》精煉筆記 9：PCA 及其 Python 實現

紅色石頭發表於2021-01-23
吳恩達Mac筆記PCAPython

系列文章：

吳恩達《Machine Learning》精煉筆記 1：監督學習與非監督學習

吳恩達《Machine Learning》精煉筆記 2：梯度下降與正規方程

吳恩達《Machine Learning》精煉筆記 3：迴歸問題和正則化

吳恩達《Machine Learning》精煉筆記 4：神經網路基礎

吳恩達《Machine Learning》精煉筆記 5：神經網路

吳恩達《Machine Learning》精煉筆記 6：關於機器學習的建議

吳恩達《Machine Learning》精煉筆記 7：支援向量機 SVM

吳恩達《Machine Learning》精煉筆記 8：聚類 KMeans 及其 Python實現

在本文中主要介紹的是資料降維相關的內容，重點講解了PCA演算法

  • 為什麼要實施降維
    • 資料壓縮
    • 資料視覺化
  • PCA演算法
    • PCA和線性迴歸演算法的區別
    • PCA演算法特點
    • Python實現PCA
  • sklearn中實現PCA

為何降維

在現實高維資料情況下，會有資料樣本稀疏、距離計算困難等問題，被稱為維數災難。

解決的方法就是降維，也稱之為“維數約簡”，即透過某種資料方法將原始高維屬性空間轉成一個低維“子空間”。在這個子空間中，樣本密度大大提高，將高維空間中的一個低維“嵌入”。

降維Dimensionality Reduction

資料降維主要是有兩個動機：

  • 資料壓縮Data Compression
  • 資料視覺化Data Visualization

資料壓縮Data Compression

上圖解釋：

1.在一個三維空間中的特徵向量降至二維的特徵向量。
2.將三維投影到一個二維的平面上，迫使所有的資料都在同一個平面上。
3.這樣的處理過程可以被用於把任何維度的資料降到任何想要的維度，例如將1000維的特徵降至100維。

資料視覺化Data Visualization

降維能夠幫助我們進行資料的視覺化工作。

上面圖的解釋：

1.假設給定資料，具有多個不同的屬性
2.某些屬性表示的含義可能相同，在圖形中可以放到同一個軸上，進行資料的降維

PCA- Principal Component Analysis

在PCA中，要做的是找到一個方向向量（Vector direction），當把所有的資料都投射到該向量上時，PCA的關鍵點就是找到一個投影平面使得投影誤差最小化。

方向向量是一個經過原點的向量，而投射誤差是從特徵向量向該方向向量作垂線的長度。

PCA與線性迴歸的區別

1.線性迴歸中的縱軸是預測值，PCA中是特徵屬性
2.誤差不同：PCA是投射誤差，線性迴歸是嘗試最小化預測誤差。
3.線性迴歸的目的是預測結果，PCA·是不做任何分析。

PCA演算法

主成分分析中，首先對給定資料進行規範化，使得資料每一變數的平均值為0，方差為1。
之後對資料進行正交變換，用來由線性相關表示的資料，透過正交變換變成若干個線性無關的新變數表示的資料。

新變數是可能的正交變換中變數的方差和(資訊儲存)最大的，方差表示在新變數上資訊的大小。將新變數一次成為第一主成分，第二主成分等。透過主成分分析，可以利用主成分近似地表示原始資料，便是對資料降維。

PCA演算法中從n維到k維的過程是

  • 均值歸一化。計算所有特徵的均值，令xj=xj−μj，如果特徵不在一個數量級上，需要除以標準差
  • 計算協方差矩陣 covariance matrix

  • 計算協方差矩陣∑的特徵向量 eigenvectors

在西瓜書中的描述為

主成分個數確定

關於PCA演算法中主成分個數k的確定，一般是根據公式：

不等式右邊的0.01可以是0.05，或者0.1等，都是比較常見的。當為0.01的時候，表示保留了99%的方差資料，即大部分的資料特徵被保留了。

當給定了個數k，協方差矩陣S中求解出來的各個特徵值滿足公式：

也就是滿足：

這個和上面的公式是等價的。

重建的壓縮表示

重建的壓縮表示Reconstruction from Compressed Representation指的是將資料從低維還原到高維的過程。

將指定的點位置對映到一個三維曲面，反解前面的方程：

PCA特點

1.PCA本質上是將方差最大的方向作為主要特徵，讓這些特徵在不同正交方向上沒有相關性。
2.PCA是一種無引數技術，不需要進行任何引數的調節

Python實現PCA

利用numpy、pandas、matplotlib庫實現PCA演算法

sklearn中實現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學習PCA：

用sklearn學習PCA：

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

實現模組

在scikit-learn中，與PCA相關的類都在sklearn.decomposition包中。最常用的PCA類就是sklearn.decomposition.PCA。

白化：對降維後的資料的每個特徵進行歸一化，讓方差都為1

class sklearn.decomposition.PCA(n_components=None, # 降維後的特徵數目，直接指定一個整數
                                copy=True,
                                whiten=False, # 判斷是否進行白化，預設是不白化
                                svd_solver='auto', # 指定奇異值分解SVD的方法
                                tol=0.0,
                                iterated_power='auto',
                                random_state=None)

demo

在這裡講解一個例子，利用PCA演算法來進行IRIS資料的分類

本文首發於公眾號：AI有道（ID: redstonewill），歡迎關注！

相關文章