python降维方法_python大战机器学习——数据降维
注:因为公式敲起来太麻烦,因此本文中的公式没有呈现出来,想要知道具体的计算公式,请参考原书中内容
降维就是指采用某种映射方法,将原高维空间中的数据点映射到低维度的空间中
1、主成分分析(PCA)
将n维样本X通过投影矩阵W,转换为K维矩阵Z
输入:样本集D,低维空间d
输出:投影矩阵W
算法步骤:
1)对所有样本进行中心化操作
2)计算样本的协方差矩阵
3)对协方差矩阵做特征值分解
4)取最大的d个特征值对应的特征向量,构造投影矩阵W
注:通常低维空间维数d的选取有两种方法:1)通过交叉验证法选取较好的d 2)从算法原理的角度设置一个阈值,比如t=0.95,然后选取似的下式成立的最小的d值:
Σ(i->d)λi/Σ(i->n)λi>=t,其中λi从大到小排列
PCA降维的准则有以下两个:
最近重构性:重构后的点距离原来的点的误差之和最小
最大可分性:样本点在低维空间的投影尽可能分开
实验代码:
1 importnumpy as np2 importmatplotlib.pyplot as plt3 from sklearn importdatasets,decomposition,manifold4
5 defload_data():6 iris=datasets.load_iris()7 returniris.data,iris.target8
9 def test_PCA(*data):10 X,Y=data11 pca=decomposition.PCA(n_components=None)12 pca.fit(X)13 print("explained variance ratio:%s"%str(pca.explained_variance_ratio_))14
15 def plot_PCA(*data):16 X,Y=data17 pca=decomposition.PCA(n_components=2)18 pca.fit(X)19 X_r=pca.transform(X)20 #print(X_r)
21
22 fig=plt.figure()23 ax=fig.add_subplot(1,1,1)24 colors=((1,0,0),(0,1,0),(0,0,1),(0.5,0.5,0),(0,0.5,0.5),(0.5,0,0.5),(0.4,0.6,0),(0.6,0.4,0),(0,0.6,0.4),(0.5,0.3,0.2),)25 for label,color inzip(np.unique(Y),colors):26 position=Y==label27 #print(position)
28 ax.scatter(X_r[position,0],X_r[position,1],label="target=%d"%label,color=color)29 ax.set_xlabel("X[0]")30 ax.set_ylabel("Y[0]")31 ax.legend(loc="best")32 ax.set_title("PCA")33 plt.show()34
35 X,Y=load_data()36 test_PCA(X,Y)37 plot_PCA(X,Y)
View Code
实验结果:
可以看出四个特征值的比例分别占比0.92464621,0.05301557,0.01718514,0.00518309,因此可将原始特征4维降低到2维
IncrementalPCA超大规模数据降维
可以使用与超大规模数据,它可以将数据分批加载进内存,其接口和用法几乎与PCA完全一致
2、SVD降维
SVD奇异值分解等价于PCA主成分分析,核心都是求解X*(X转置)的特征值以及对应的特征向量
3、核化线性(KPCA)降维
是一种非线性映射的方法,核主成分分析是对PCA的一种推广
实验代码:
importnumpy as npimportmatplotlib.pyplot as pltfrom sklearn importdatasets,decomposition,manifolddefload_data():
iris=datasets.load_iris()returniris.data,iris.targetdef test_KPCA(*data):
X,Y=data
kernels=['linear','poly','rbf','sigmoid']for kernel inkernels:
kpca=decomposition.KernelPCA(n_components=None,kernel=kernel)
kpca.fit(X)print("kernel=%s-->lambdas:%s"%(kernel,kpca.lambdas_))def plot_KPCA(*data):
X,Y=data
kernels= ['linear', 'poly', 'rbf', 'sigmoid']
fig=plt.figure()
colors=((1,0,0),(0,1,0),(0,0,1),(0.5,0.5,0),(0,0.5,0.5),(0.5,0,0.5),(0.4,0.6,0),(0.6,0.4,0),(0,0.6,0.4),(0.5,0.3,0.2),)for i,kernel inenumerate(kernels):
kpca=decomposition.KernelPCA(n_components=2,kernel=kernel)
kpca.fit(X)
X_r=kpca.transform(X)
ax=fig.add_subplot(2,2,i+1)for label,color inzip(np.unique(Y),colors):
position=Y==label
ax.scatter(X_r[position,0],X_r[position,1],label="target=%d"%label,color=color)
ax.set_xlabel("X[0]")
ax.set_ylabel("X[1]")
ax.legend(loc="best")
ax.set_title("kernel=%s"%kernel)
plt.suptitle("KPCA")
plt.show()
X,Y=load_data()
test_KPCA(X,Y)
plot_KPCA(X,Y)
View Code
实验结果:
不同的核函数,其降维后的数据分布是不同的
并且采用同样的多项式核函数,如果参数不同,其降维后的数据分布是不同的。因此再具体应用中,可以通过选用不同的核函数以及设置多种不同的参数来对比哪种情况下可以获得最好的效果。
4、流形学习降维
是一种借鉴了拓扑流形概念的降维方法
5、多维缩放(MDS)降维
MDS要求原始空间中样本之间的距离在低维空间中得到保持
输入:距离矩阵D,低维空间维数n'
输出:样本集在低维空间中的矩阵Z
算法步骤:
1)依据公式计算di,.^2,dj,.^2,d.,.^2
2)依据公式计算降维后空间的内积矩阵B
3)对矩阵B进行特征值分解
4)依据求得的对角矩阵和特征向量矩阵,依据公式计算Z
实验代码:
importnumpy as npimportmatplotlib.pyplot as pltfrom sklearn importdatasets,decomposition,manifolddefload_data():
iris=datasets.load_iris()returniris.data,iris.targetdef test_MDS(*data):
X,Y=datafor n in [4,3,2,1]:
mds=manifold.MDS(n_components=n)
mds.fit(X)print("stress(n_components=%d):%s"%(n,str(mds.stress_)))def plot_MDS(*data):
X,Y=data
mds=manifold.MDS(n_components=2)
X_r=mds.fit_transform(X)#print(X_r)
fig=plt.figure()
ax=fig.add_subplot(1,1,1)
colors=((1,0,0),(0,1,0),(0,0,1),(0.5,0.5,0),(0,0.5,0.5),(0.5,0,0.5),(0.4,0.6,0),(0.6,0.4,0),(0,0.6,0.4),(0.5,0.3,0.2),)for label,color inzip(np.unique(Y),colors):
position=Y==label
ax.scatter(X_r[position,0],X_r[position,1],label="target=%d"%label,color=color)
ax.set_xlabel("X[0]")
ax.set_ylabel("Y[0]")
ax.legend(loc="best")
ax.set_title("MDS")
plt.show()
X,Y=load_data()
test_MDS(X,Y)
plot_MDS(X,Y)
View Code
实验结果:
stress表示原始数据降维后的距离误差之和
6、等度量映射(Isomap)降维
输入:样本集D,近邻参数k,低维空间维数n’
输出:样本集在低维空间中的矩阵Z
算法步骤:
1)对每个样本点x,计算它的k近邻;同时将x与它的k近邻的距离设置为欧氏距离,与其他点的距离设置为无穷大
2)调用最短路径算法计算任意两个样本点之间的距离,获得距离矩阵D
3)调用多维缩放MDS算法,获得样本集在低维空间中的矩阵Z
注:新样本难以将其映射到低维空间中,因此需要训练一个回归学习器来对新样本的低维空间进行预测
建立近邻图时,要控制好距离的阈值,防止短路和断路
实验代码:
1 importnumpy as np2 importmatplotlib.pyplot as plt3 from sklearn importdatasets,decomposition,manifold4
5 defload_data():6 iris=datasets.load_iris()7 returniris.data,iris.target8
9 def test_Isomap(*data):10 X,Y=data11 for n in [4,3,2,1]:12 isomap=manifold.Isomap(n_components=n)13 isomap.fit(X)14 print("reconstruction_error(n_components=%d):%s"%(n,isomap.reconstruction_error()))15
16 def plot_Isomap_k(*data):17 X,Y=data18 Ks=[1,5,25,Y.size-1]19 fig=plt.figure()20 #colors=((1,0,0),(0,1,0),(0,0,1),(0.5,0.5,0),(0,0.5,0.5),(0.5,0,0.5),(0.4,0.6,0),(0.6,0.4,0),(0,0.6,0.4),(0.5,0.3,0.2),)
21 for i,k inenumerate(Ks):22 isomap=manifold.Isomap(n_components=2,n_neighbors=k)23 X_r=isomap.fit_transform(X)24 ax=fig.add_subplot(2,2,i+1)25 colors = ((1, 0, 0), (0, 1, 0), (0, 0, 1), (0.5, 0.5, 0), (0, 0.5, 0.5), (0.5, 0, 0.5), (0.4, 0.6, 0), (0.6, 0.4, 0),26 (0, 0.6, 0.4), (0.5, 0.3, 0.2),)27 for label,color inzip(np.unique(Y),colors):28 position=Y==label29 ax.scatter(X_r[position,0],X_r[position,1],label="target=%d"%label,color=color)30 ax.set_xlabel("X[0]")31 ax.set_ylabel("Y[0]")32 ax.legend(loc="best")33 ax.set_title("k=%d"%k)34 plt.suptitle("Isomap")35 plt.show()36
37 X,Y=load_data()38 test_Isomap(X,Y)39 plot_Isomap_k(X,Y)
View Code
实验结果:
可以看出k=1时,近邻范围过小,此时发生断路现象
7、局部线性嵌入(LLE)
其目标是保持邻域内样本之间的线性关系
输入:样本集D,近邻参数k,低维空间维数n'
输出:样本集在低维空间中的矩阵Z
算法步骤:
1)对于样本集中的每个点x,确定其k近邻,获得其近邻下标集合Q,然后依据公式计算Wi,j
2)根据Wi,j构建矩阵W
3)依据公式计算M
4)对M进行特征值分解,取其最小的n'个特征值对应的特征向量,即得到样本集在低维空间中的矩阵Z
实验代码:
1 importnumpy as np2 importmatplotlib.pyplot as plt3 from sklearn importdatasets,decomposition,manifold4
5 defload_data():6 iris=datasets.load_iris()7 returniris.data,iris.target8
9 def test_LocallyLinearEmbedding(*data):10 X,Y=data11 for n in [4,3,2,1]:12 lle=manifold.LocallyLinearEmbedding(n_components=n)13 lle.fit(X)14 print("reconstruction_error_(n_components=%d):%s"%(n,lle.reconstruction_error_))15
16 def plot_LocallyLinearEmbedding_k(*data):17 X,Y=data18 Ks=[1,5,25,Y.size-1]19 fig=plt.figure()20 #colors=((1,0,0),(0,1,0),(0,0,1),(0.5,0.5,0),(0,0.5,0.5),(0.5,0,0.5),(0.4,0.6,0),(0.6,0.4,0),(0,0.6,0.4),(0.5,0.3,0.2),)
21 for i,k inenumerate(Ks):22 lle=manifold.LocallyLinearEmbedding(n_components=2,n_neighbors=k)23 X_r=lle.fit_transform(X)24 ax=fig.add_subplot(2,2,i+1)25 colors = ((1, 0, 0), (0, 1, 0), (0, 0, 1), (0.5, 0.5, 0), (0, 0.5, 0.5), (0.5, 0, 0.5), (0.4, 0.6, 0), (0.6, 0.4, 0),26 (0, 0.6, 0.4), (0.5, 0.3, 0.2),)27 for label,color inzip(np.unique(Y),colors):28 position=Y==label29 ax.scatter(X_r[position,0],X_r[position,1],label="target=%d"%label,color=color)30 ax.set_xlabel("X[0]")31 ax.set_ylabel("Y[0]")32 ax.legend(loc="best")33 ax.set_title("k=%d"%k)34 plt.suptitle("LocallyLinearEmbedding")35 plt.show()36
37 X,Y=load_data()38 test_LocallyLinearEmbedding(X,Y)39 plot_LocallyLinearEmbedding_k(X,Y)
View Code
实验结果:
8、总结:
对原始数据采取降维的原因通常有两个:缓解“维度灾难”或者对数据进行可视化。
降维的好坏没有一个直接的标准(包括上面提到的重构误差也只能作为一个中性的指标)。通常通过对数据进行降维,然后用降维后的数据进行学习,再根据学习的效果选择一个恰当的降维方式和一个合适的降维模型参数。
python降维方法_python大战机器学习——数据降维相关推荐
- python降维方法_机器学习数据降维方法总结(附python代码)
介绍 在机器学习实战时,如果面对一个数据集具有上千个特征,那么对于模型训练将是一个巨大的挑战.面对如此多的数据变量,如果我们认真的去分析每一个变量将耗费我们几周甚至几个月的时间,那么你估计也要被开除了 ...
- python图像数据是几维数据_python数据分析:数据降维(tsen)
为什么要对数据进行降维? 实际应用中的数据一般是高维的,比如手写的数字,如果我们缩放到28×28的图片大小,那么它的维度就是28×28=784维. 举个简单的例子: 下图是手写的1及其对应的图像二维矩 ...
- pca 累积方差贡献率公式_机器学习数据降维方法:PCA主成分分析
PCA在机器学习中很常用,是一种无参数的数据降维方法.PCA步骤: 将原始数据按列组成n行m列矩阵X 将X的每一行(代表一个属性字段)进行零均值化,即减去这一行的均值 求出协方差矩阵 求出协方差矩阵的 ...
- 机器学习入门与Python实战(十):数据降维PCA主成分分析
目录 现实问题思考:金融股价预测 数据降维 为什么需要数据降维 数据降维最常用的方法:主成分分析(PCA) 知识巩固 Python实战:PCA+逻辑回归预测检查者是否患糖尿病 拓展学习 现实问题思考: ...
- python用tsne降维图像_python代码实现TSNE降维数据可视化教程
TSNE降维jne免费资源网 降维就是用2维或3维表示多维数据(彼此具有相关性的多个特征数据)的技术,利用降维算法,可以显式地表现数据.(t-SNE)t分布随机邻域嵌入 是一种用于探索高维数据的非线性 ...
- std中稳定排序算法_源代码库已开放 | 哈工大硕士生用 Python 实现了 11 种经典数据降维算法...
转自:AI开发者 网上关于各种降维算法的资料参差不齐,同时大部分不提供源代码.这里有个 GitHub 项目整理了使用 Python 实现了 11 种经典的数据抽取(数据降维)算法,包括:PCA.LDA ...
- python 最优化算法库_哈工大硕士生用?Python 实现了 11 种经典数据降维算法,源代码库已开放...
雷锋网 AI 开发者按:网上关于各种降维算法的资料参差不齐,同时大部分不提供源代码.这里有个 GitHub 项目整理了使用 Python 实现了 11 种经典的数据抽取(数据降维)算法,包括:PCA. ...
- 机器学习——数据降维
文章目录 数据降维 1 维度灾难与降维 2 主成分分析 2.1 PCA原理 2.2 PCA算法 2.3 PCA算法实验 3 SVD降维 4 核主成分分析降维 总结 数据降维 数据降维又称维数约简,就是 ...
- 机器学习——数据降维和相关性分析
特征工程中数据降维方法思想有两种: 1. 破坏数据原有的结构从而提取数据的主要特征,例如主成分分析(PCA): 2. 对数据进行相关性分析,按照一定的法则来对数据的属性进行取舍达到降维的目的. 相关性 ...
- python魔法方法_Python魔法方法指南
有很多人说学习Python基础之后不知道干什么,不管你是从w3c还是从廖雪峰的教程学习的,这些教程都有一个特点:只能引你快速入门,但是有关于Python的很多基础内容这些教程中都没介绍,而这些你没学习 ...
最新文章
- R语言optim函数进行函数优化实战(和lm函数进行对比)
- linux 安装 tao环境,linux环境安装hbase------不一定需要hadoop
- Arduino 极速入门系列 - 光控灯(3) - 光敏电阻、与电阻分压那些事
- 百度飞桨弯道超车了吗?!
- Mysql导入大容量SQL文件数据问题
- mysql 双机备份_mysql双机热备详解及延伸备份
- 转- --python 3 编码
- Zabbix监控内存
- livedata mvvm_Android MVVM LiveData数据绑定
- 数据库——“该连接已关闭”问题解决方案
- java 启动参数 配置_Java运行参数设置
- C中字符串常量字符数组字符常量
- 翻译《Git版本控制管理》
- [白话解析]以水浒传为例学习隐马尔可夫模型
- Django+Vue开发生鲜电商平台之3.数据模型设计和资源导入
- 基于kinect + EmguCV 的监控小应用(视频录制保存)
- android 隐藏输入法时自动关闭弹窗,Android疑难杂症之Dialog消失,关闭输入法
- arcgis 实验教程--ModelBuilder与空间建模
- python三国演义人物出场统计ppt_Python统计三国演义主要人物出场次数
- Android 系统属性读取和设置详解
热门文章
- weekend110(Hadoop)的 第七天笔记
- 《DB 查询分析器》使用技巧之(七)
- 利用Dojo和JSON建立无限级AJAX动态加载的功能模块树
- system.data.oracleclient requires oracle client software version 8.1.7 or greater问题(转贴)
- 从零基础入门Tensorflow2.0 ----六、31 kaggle 10 monkeys模型微调
- 从零基础入门Tensorflow2.0 ----一、2. 实战回归模型
- JS学习总结(10)——Windows对象
- listview 加载的时候报java.lang.IllegalArgumentException: column ‘_id’ does not exist 错误
- php数组排除某个键_PHP根据key删除数组中指定的元素
- 详细解读用C语言编写的 “扫雷”程序