1 はじめに
この記事では主に主成分分析 (PCA) の Python 実装について説明し、分析例については後ほど説明します。
2 原則 - コードの実装
2.1 実装手順
主成分分析 PCA は広く使用されている次元削減手法であり、その実現は次のように要約されます。
2.2 コードの実装
インポートパッケージ
import numpy as np
- 計算共分散行列関数
X を入力データとして定義します。m はサンプル データの数、つまり X の行数です。
X を標準化するには、平均を引いて分散で割るという方法がありますが、この部分の原理が理解できない場合は、Baidu を参照してください。
標準化されたデータは、平均 0、分散 1 の標準正規分布です。
# 计算协方差矩阵
def calc_cov(X):
m = X.shape[0] # 样本的数量,行数
# 数据标准化
X = (X - np.mean(X, axis=0)) / np.var(X, axis=0) # 标准化之后均值为0,方差为1
return 1 / m * np.matmul(X.T, X) # matmul为两个矩阵的乘积
- PCA を定義するプロセスでは、
まず入力データ X の共分散を計算し、次にその固有値を次のように計算します。固有値、その固有ベクトルを次のように計算します。固有ベクトルは、np.linalg.eig() 関数を使用して固有値
と固有ベクトルを計算します。これは非常に便利です。
次のステップでは、行列 P を計算し、Y=XP を使用して次元削減されたデータ Y を計算します。
def pca(X, n_components):
# 计算协方差矩阵
cov_matrix = calc_cov(X)
# 计算协方差矩阵的特征值和对应特征向量
eigenvalues, eigenvectors = np.linalg.eig(cov_matrix) # eigenvalues特征值,eigenvectors特征向量
# 对特征值排序
idx = eigenvalues.argsort()[::-1]
# 取最大的前n_component组
eigenvectors = eigenvectors[:, idx]
eigenvectors = eigenvectors[:, :n_components]
# Y=XP转换
return np.matmul(X, eigenvectors)
2.3 アイリスデータセットの例
データのインポート
from sklearn import datasets
import matplotlib.pyplot as plt
# 导入鸢尾花数据集
iris = datasets.load_iris()
X = iris.data
y = iris.target
データの形状を見ると、結果は (150, 4) になります。
X.shape
# (150, 4)
共分散行列を計算する
cov_matrix = calc_cov(X) # 计算特征值
cov_matrix
共分散行列が 4*4 行列であることがわかり、行列の固有値と固有ベクトルを計算します。
eigenvalues, eigenvectors = np.linalg.eig(cov_matrix) # eigenvalues特征值,eigenvectors特征向量
次に、必要な P を計算します。ここでは 3 つの主成分を保持します。
idx = eigenvalues.argsort()[::-1]
# 取最大的前n_component组
eigenvectors = eigenvectors[:, idx]
eigenvectors = eigenvectors[:, :3]
4 行 3 列の行列が取得され
、P を使用して次元削減されたデータが取得されます。
# Y=PX转换
np.matmul(X, eigenvectors)
次元削減後のデータは、(150, 4)*(4, 3)=(150, 3)、
つまり3列150個のデータとなり、元の4次元から3次元に削減されます。
3 Sklearnに基づく実装
# 导入sklearn降维模块
from sklearn import decomposition
# 创建pca模型实例,主成分个数为3个
pca = decomposition.PCA(n_components=3) # 写我们需要几个主成分
# 模型拟合
pca.fit(X)
# 拟合模型并将模型应用于数据X
X_trans = pca.transform(X)
# 颜色列表
colors = ['navy', 'turquoise', 'darkorange']
# 绘制不同类别
for c, i, target_name in zip(colors, [0,1,2], iris.target_names):
plt.scatter(X_trans[y == i, 0], X_trans[y == i, 1],
color=c, lw=2, label=target_name)
# 添加图例
plt.legend()
plt.show()