第一章 UCI数据集wine.data主成分分析PCA

本文链接：https://blog.csdn.net/Bigbosszcf/article/details/123465950

文章目录

前言
一、什么是PCA？
二、PCA算法流程
二、使用步骤
总结（拓展）

前言

学习数据挖掘，用于记录练习和回顾

一、什么是PCA？

经典主成分分析（Classical Principal Component Analysis）的核心思想：PCA的思想是将n维特征映射到k维上（k<n），这k维是全新的正交特征。这k维特征称为主成分，是重新构造出来的k维特征，而不是简单地从n维特征中去除其余n-k维特征。

二、PCA算法流程

1.按列计算数据集X的均值Xmean，然后令Xnew=X−Xmean
2. 求解矩阵Xnew的协方差矩阵，并将其记为Cov
3.计算协方差矩阵Cov的特征值和相应的特征向量
4.将特征值按照从大到小的排序，选择其中最大的k个，然后将其对应的k个特征向量分别作为列向量组成特征向量矩阵Wnxk
5. 计算XnewW，即将数据集Xnew投影到选取的特征向量上，这样就得到了我们需要的已经降维的数据集XnewW

二、使用步骤

1.引入库

import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
import numpy as np
import matplotlib.pyplot as plt

2.读入数据

代码如下（示例）：


df_wine = pd.read_csv('./UCI/wine/wine.data', header=None) # 加载葡萄酒数据集
X, y = df_wine.iloc[:, 1:].values, df_wine.iloc[:, 0].values # 把分类属性与常规属性分开
X_train, X_test, y_train, y_test = train_test_split(X, y,test_size=0.3, random_state=0) # 把整个数据集的70%分为训练集，30%为测试集