机器学习之 PCA降维

1.PCA 降维简介

主成分分析（Principal Component Analysis, PCA）是一种统计方法，用于在数据集中寻找一组线性组合的特征，这些特征被称为主成分。PCA 的目标是通过变换原始特征空间到新的特征空间，从而减少数据的维度，同时尽量保留数据中的重要信息。

PCA 的主要步骤包括：

1. 计算协方差矩阵：反映各特征之间的相关性。
2. 求解协方差矩阵的特征值和特征向量：特征值反映了主成分的重要性，特征向量指示了主成分的方向。
3. 选择主成分：选择那些具有较大特征值的主成分，这些主成分能够解释数据的大部分变异。
4. 数据投影：将原始数据投影到选定的主成分上，从而实现降维。

2.实例：

 接下来我们进行实例讲解：

实验数据

本次实验使用的数据集来自 Excel 文件 hua.xlsx。数据集包含多个特征和一个标签列。特征数据 X 包括所有除最后一列之外的列，而标签数据 y 则是最后一列。

代码讲解

1. 读取数据并划分特征和标签

   import pandas as pd
   from sklearn.decomposition import PCA# 读取Excel文件中的数据
   data = pd.read_excel('hua.xlsx')# 数据划分：X表示特征数据，y表示标签数据
   X = data.iloc[:, :-1]
   y = data.iloc[:, -1]

   解释:

   • 使用 pd.read_excel 读取 Excel 文件。
   • 使用 iloc 选取特征数据和标签数据。

2. 使用 PCA 进行主成分分析

   # 使用PCA进行主成分分析，保留累计贡献率达到90%的主成分
   pca = PCA(n_components=0.9)
   pca.fit(X)# 输出所有主成分的方差比率之和
   print('特征所占百分比：{}'.format(sum(pca.explained_variance_ratio_)))
   # 输出每个主成分的方差比率
   print(pca.explained_variance_ratio_)# 将原始特征数据转换到新的特征空间
   new_x = pca.transform(X)
   print('PCA降维后数据:\n', new_x)

   解释:

   • 使用 PCA 类进行主成分分析，n_components=0.9 表示保留累计贡献率达到 90% 的主成分。
   • fit 方法拟合 PCA 模型。
   • explained_variance_ratio_ 属性返回每个主成分的方差比率。
   • transform 方法将原始特征数据转换到新的特征空间。
   • 输出结果：。。。

3. 数据划分与模型训练

   from sklearn.model_selection import train_test_split# 使用降维后的数据划分训练集和测试集
   x_train, x_test, y_train, y_test = train_test_split(new_x, y, test_size=0.2, random_state=0)# 创建逻辑回归分类器
   from sklearn.linear_model import LogisticRegression
   classifier = LogisticRegression()
   classifier.fit(x_train, y_train)# 对训练集进行预测
   ytrain_pred = classifier.predict(x_train)
   print(ytrain_pred)# 对测试集进行预测
   ytest_pred = classifier.predict(x_test)
   print(ytest_pred)# 导入评价指标模块
   from sklearn import metrics# 输出训练集上的分类报告
   print(metrics.classification_report(y_train, ytrain_pred))# 输出测试集上的分类报告
   print(metrics.classification_report(y_test, ytest_pred))

   解释:

   • 使用 train_test_split 方法将降维后的数据划分为训练集和测试集。
   • 使用 LogisticRegression 分类器进行训练和预测。
   • 使用 classification_report 打印分类报告。
   • 训练集和测试集的输出结果：

对比分析

为了更好地理解 PCA 降维的效果，我们可以在使用 PCA 降维之前和之后分别训练逻辑回归模型，并比较它们的性能。

1. 使用原始数据划分训练集和测试集

   # 使用原始数据划分训练集和测试集
   x_train_orig, x_test_orig, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=0)# 创建逻辑回归分类器
   classifier = LogisticRegression()
   classifier.fit(x_train_orig, y_train)# 对训练集进行预测
   ytrain_pred_orig = classifier.predict(x_train_orig)
   print(ytrain_pred_orig)# 对测试集进行预测
   ytest_pred_orig = classifier.predict(x_test_orig)
   print(ytest_pred_orig)# 导入评价指标模块
   from sklearn import metrics# 输出训练集上的分类报告
   print(metrics.classification_report(y_train, ytrain_pred_orig))# 输出测试集上的分类报告
   print(metrics.classification_report(y_test, ytest_pred_orig))

   解释:

   • 使用原始数据划分训练集和测试集。
   • 训练和预测逻辑回归模型。
   • 输出分类报告。

输出对比：

原始特征数据的分类报告：

降维特征数据的分类报告：

3.总结

通过以上步骤，我们完成了 PCA 降维的过程，并使用逻辑回归模型进行了分类任务。PCA 降维不仅可以减少数据的维度，还可以提高模型的训练效率。通过对比降维前后的分类报告，我们可以评估 PCA 降维对模型性能的影响。PCA 特别适用于高维数据集，在保证数据信息不丢失的前提下，能够简化数据处理流程，提高模型的泛化能力。