1、何为数据降维
1.1维数灾难：往往满足采样条件所需的样本数目巨大、样本稀疏、距离计算困难。
1.2降维：利用数学变换将原始高维属性空间转变为低维“子空间”，即在高维采样数据中提取能够表达原始数据的特征。
1.3 降维优点：数据集更易懂、使用和显示；降低算法计算开销；去除噪声。
2、一些降维算法
Principal Component Analysis （PCA）
Linear Discriminant Analysis（LDA）
Locally linear embedding（LLE）
Laplacian Eigenmaps
本文主要针对以下三种算法：
2.1 PCA：PCA算法是一种线性投影技术，利用降维后使数据的方差最大原则保留尽可能多的信息；
2.2 KPCA：PCA仅考虑了数据的二阶统计信息，而没有利用高阶统计信息，忽略了数据的非线性相关性，而KPCA，通过非线性变换将数据映射到了高维，在高维空间中进行特征提取，获得了更好的特征提取性能；
2.3 PPCA：PCA没有将数据的概率分布考虑，PPCA对PCA做了概率上的解释，延伸了PCA算法。
总之：PPCA和KPCA都是针对PCA算法的缺陷，做出了不同方向上的改进。
3 PCA、KPCA、PPCA算法步骤
3.1 PCA： 数据在低维线性空间上的正交投影，这个线性空间被称为主子空间，使得投影数据的方差被最大化。
》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C；
》求出协方差矩阵的特征值及对应的特征向量；
》将特征向量按对应特征值大小从上到下按行排列成矩阵，取前k行组成矩阵P；
》Y=PX即为降维到k维后的数据。
3.2 KPCA：通过使用一个非线性核替换线性的方式来对高维数据向低维投影。
》将原始数据按列组成m行n列矩阵X；
》计算核矩阵，先选定高斯径向核函数中的参数，计算核矩阵K，修正核矩阵得到KL；
》求出协方差矩阵C，运用雅可比迭代方法计算KL特征值与特征向量；
》将特征向量按对应特征值大小从上到下按行排列成矩阵，取前k行组成矩阵；
》通过施密特正交化方法单位正交化特征向量得到P；
》Y=PX即为降维到k维后的数据。
3.3 PPCA：PPCA是一种考虑每个变量概率分布的方法，在确定主元和误差的概率函数后，通过期望最大（EM）算法建立模型。
》将原始数据按列组成n行m列矩阵；
》对原始训练样本数据进行标准中心化处理得到X；
》在隐含变量x 的条件下得到观测数据的概率分布；
》通过EM 算法获得概率PCA 的模型参数W(因子矩阵)和方差；
》舍去不满足因子矩阵与方差特定关系的归一化数据；
》剩余满足条件数据即为降维到k维后的数据。
4、C++实现PCA、KPCA
（环境：Visual Studio 2013）
pca.h
#include<math.h>
#include<fstream>
#include<iostream>
#include<stdio.h>
#include<iomanip>
#include<math.h>
using namespace std;
typedef struct sourcedata //声明了一个原始数据类型
{
int m;
int n;
double **data;
}SourceData;
class PCA
{
public:
PCA(int m, int n); //m为行数，n为列数
SourceData getdata(const char *file); //获取外部数据
void standarddata(double **a); //数据标准化
double product(double *a, double *b); //向量乘积
void swap(double &x, double &y); //数据交换
double **matrixproduct(double **a); //求解协方差矩阵
void selectionsort(double *A, double **v); //特征值排序
void zhengjiao(double **v); //向量正交化
int jcb(double **a, double **v, double eps, int jt); //求解特征值和特征向量
int selectcharactor(double *A, double getratio, double *B); //提取主分量
double **getProject(int t, double **x, double **v); //计算降维后特征点
void saveProject(const char *projectfile, double **project, int t); //保存
~PCA(){}
private:
int rows;
int columns;
};
kpca.h
#include<math.h>
#include<fstream>
#include<iostream>
#include<stdio.h>
#include<iomanip>
#include<math.h>
#include<stdlib.h>
#include<time.h>
using namespace std;
class KPCA
{
public:
KPCA(int m, int n);
SourceData getdata(const char *file); //获取外部数据
int randdef(int n1, int n2); //生成n1到n2随机整数
double getvar(double **testdata, int m, int n, int l, double left, double right);//通过对随机样本的最大特征提取效率获取高斯径向基函数的参数
double product(double *a, double *b, int size); //向量乘积
double kernel(double var, double *x, double *y, int sign); //核函数定义
double **getkernelmatrix(double **a, double var, int sign); //获取核矩阵
double **modifykernelmatrix(double **K); //修正核矩阵
int jcb(double **a, double **v, double eps, int jt); //求解矩阵的特征值和特征向量
void zhengjiao(double **v); //正交化特征向量
void swap(double &x, double &y); //交换元素
void selectionsort(double *A, double **v); //特征值和特征向量选择排序
void saveeigenvectors(double A[], double **v, const char *vectorfile);//保存特征值和特征向量
int selectcharactor(double *A, double getratio, double *B); //提取特征
double **getProject(int t, double **x, double **v); //获得投影
void saveProject(const char *projectfile, double **project, int t); //保存投影
~KPCA(){}
private:
int rows;
int columns;
};
pca.cpp与kpca.cpp由于篇幅问题未分享，有意者邮箱：[email protected]或https://download.csdn.net/download/u010442908/10628230
main.cpp
#include"pca.h"
#include"kpca.h"
void main()
{
//pca
cout << "-----------------------pca------------------------" << endl;
int i, j, t; //i,j循环用；t降维后维数
int m, n; //m行n列
double **x, **c, **v, **Project;
double *A, *B; //A特征值B贡献率
sourcedata pp;
double eps = 0.000001; //雅克比方法的终止精度
double getratio = 0.9; //特征值的提取率
const char *File = "test1.txt"; //原始数据文件名称
const char *projectfile = "pcaproject.txt"; //处理后的数据文件名称
PCA pca(2, 3); //声明一个临时对象调用成员函数来获取数据
pp = pca.getdata(File); //获取外部数据
x = pp.data;
m = pp.m;
n = pp.n;
cout << "数据的行数为" << m << "，数据的列数为 " << n << endl;
A = new double[n]; //存放特征值
B = new double[n]; //存放特值贡献率
v = new double*[n]; //存放特征向量
for (i = 0; i < n; i++)
v[i] = new double[n];
PCA testpca(m, n); //声明一个对象并初始化
testpca.standarddata(x); //对数据进行标准化处理 X是原始数据
c = testpca.matrixproduct(x); // 求协方差矩阵
i = testpca.jcb(c, v, eps, 100); // 求特征值和特征向量
for (int k = 0; k < n; k++)
A[k] = c[k][k]; //存特征值
testpca.zhengjiao(v); //正交化特征向量
testpca.selectionsort(A, v); //特征值和特征向量排序
t = testpca.selectcharactor(A, getratio, B); //提取特征值 t为降维后维数
cout << "PCA降维后的维数：" << t << endl;
cout << "排序后提取的特征值及对应的特征向量" << endl;
for (i = 0; i <= t - 1; i++) //输出特征值
printf("%13.7e ", A[i]);
printf("\n\n");
for (i = 0; i < n; i++) //输出特征向量
{
for (j = 0; j < t; j++)
printf("%13.7e ", v[i][j]);
printf("\n");
}
cout << "特征值的累计贡献率为" << endl;
for (i = 0; i < n; i++)
cout << B[i] << " ";
cout << endl;
cout << "当提取效率是" << getratio << "时提取了前" << t << "个分量" << endl; //getratio特征提取率
if (t >= 1 && t <= n)
Project = testpca.getProject(t, x, v); //求降维后特征点
else
cout << "error" << endl;
testpca.saveProject(projectfile, Project, t); //保存特征点到TXT文件
//kpca
cout << endl<< "----------------------kpca------------------------" << endl;
int a; //循环用
int l = 50; //随机提取样本的数目
const char *File2 = "test2.txt";
const char*eigenvectors = "eigen.txt"; //特征值和特征向量存储文件名称
const char *projectfile2 = "kpcaproject.txt"; //降维后特征点文件存储名称
SourceData pdata;
double gaussparameter; //高斯核参数
double **K, **KL; //高斯核矩阵k及修正核矩阵
KPCA kpca(3, 2);
pdata = kpca.getdata(File2); //获取外部数据
x = pdata.data;
m = pdata.m;
n = pdata.n;
A = new double[m];
B = new double[m];
KPCA testkpca(m, n); //对象
gaussparameter = testkpca.getvar(x, m, n, l, 100, 800); //求高斯核参数 通过对随机样本的最大特征提取效率获取高斯径向基函数的参数
cout << "高斯核参数： " << gaussparameter << endl;
K = testkpca.getkernelmatrix(x, gaussparameter, 1); //求核矩阵
KL = testkpca.modifykernelmatrix(K); //求修正核矩阵
c = new double*[m]; //定义c、v二维数组
for (a = 0; a<m; a++)
c[a] = new double[m];
v = new double*[m];
for (a = 0; a<m; a++)
v[a] = new double[m];
for (a = 0; a<m; a++) //修正核矩阵放入c
for (j = 0; j<m; j++)
c[a][j] = KL[a][j];
a = testkpca.jcb(c, v, eps, 10000); //求取特征值和特征向量
cout << "计算特征值的迭代次数为" << a << endl;
if (a != -1)
{
for (a = 0; a<m; a++)
A[a] = c[a][a]; //特征值存入A
}
else
cout << "不能求得特征值和特征向量" << endl;
testkpca.zhengjiao(v); //正交化特征向量
testkpca.saveeigenvectors(A, v, eigenvectors);
testkpca.selectionsort(A, v); //特征值和特征向量排序
t = testkpca.selectcharactor(A, getratio, B); //提取特征值
cout << "特征值的累计贡献率是" << endl;
for (a = 0; a<m; a++)
cout << B[a] << " ";
cout << endl;
cout << "当提取效率为" << getratio << "时提取了前" << t << "个分量" << endl;
if (t >= 1 && t <= m)
Project = testkpca.getProject(t, KL, v); //求降维后特征点
else
cout << "error" << endl;
testkpca.saveProject(projectfile2, Project, t); //存入TXT文件
}
结果分析
工程目录
4.1、pca原始线性数据集，即工程目录下test1.txt文件，共6维数据，每个维度150个特征点，部分数据截图如下：
经过pca算法降维后，生成工程目录下pcaproject.txt文件，数据变为4维：
4.2：kpca原始非线性数据集，即工程目录下test2.txt文件，共6维数据，每个维度150个特征点，部分数据截图如下：
经过kpca算法降维后，生成工程目录下kpcaproject.txt文件，数据变为2维：
————————————————
版权声明：本文为CSDN博主「陌上花开1111」的原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/u010442908/article/details/81182405
