主成分分析法（CPA）

T初唐四杰

已于 2023-07-29 14:12:43 修改

阅读量234

点赞数 1

分类专栏：数学建模文章标签： python pandas numpy

于 2023-07-27 19:45:03 首次发布

本文链接：https://blog.csdn.net/Jacksjie/article/details/131967212

版权

数学建模专栏收录该内容

6 篇文章 4 订阅

订阅专栏

一、PCA概念

主成分分析（Principal Component Analysis，PCA）是一种常用的数据降维和特征提取技术。它通过线性变换将高维数据映射到低维空间，以发现数据中的主要结构和关系。

PCA的目标:是找到能够最大程度保留原始数据方差的新坐标系。它通过计算协方差矩阵或相关矩阵来确定不同维度之间的相关性。然后，通过对协方差矩阵进行特征值分解，得到特征值和特征向量。

值得注意的是：主成分分析假设数据是线性可分的，并且对数据的尺度和分布敏感。在应用主成分分析之前，通常需要进行数据预处理，如去均值、标准化等操作。

二、数据预处理(标准化）

以下所有处理一个名为“Test1.xlsx"文件数据如下，且均采用相对路径。

1、max-min标准化

将数据线性地转换到指定的最小值和最大值之间的范围。

公式：

$X=\frac{(X-X_{min})}{(X_{max}-X_{min})}$

案例：将名为”Test1.xlsx”的文件数据max-min标准化，创建并保存到名为”Tan1.xlsx”的文件中。

以下是Python代码执行上述操作：

from sklearn.preprocessing import MinMaxScaler
import numpy as np
import pandas as pd
# 创建MinMaxScaler对象
scaler = MinMaxScaler()
#读取文件数据（相对路径）
data=pd.DataFrame(pd.read_excel("Test1.xlsx"))
data1=data.values
#删除非数据内容，axis=0按行，axis=1按列
data1= np.delete(data1,0,axis=1)
# 对特征矩阵进行最小-最大缩放,即max-min标准化
data2=scaler.fit_transform(data1)
#DataFrame是一个二维标签化数据结构与二维数组有所不同。
#二维数组转成DataFrame
print("max-min标准化后的数据：\n",data2)
data3=pd.DataFrame(data2)
#创建名字为'Tan1.xlsx'的文件并把数据导入文件中
data3.to_excel("Tan1.xlsx")

2、Z-score标准化

Z-score标准化是一种常用的数据标准化方法，用于将数据转换为均值为0，标准差为1的标准正态分布。

公式：

$X=\frac{(X-Mean)}{Std}$

其中，Mean是原始样本值得平均值，Std是原始样本值得标准差。

案例1：把上面名为”Test1”的文件数据Z-score标准化，创建并保存到名为”Tan1.xlsx”的文件中。

from sklearn.preprocessing import StandardScaler
import numpy as np
import pandas as pd
scaler= StandardScaler()
data=pd.DataFrame(pd.read_excel("Test1.xlsx"))
data1=data.values
data1= np.delete(data1,0,axis=1)#一定要删除非数据内容，比如表中有带中文的内容
data2=scaler.fit_transform(data1)
print("Z-score标准化后的数据：\n",data2)
data3=pd.DataFrame(data2)
data3.to_excel("Tan1.xlsx")

案例2：有一个二维数组data，可以使用以下步骤对其进行Z-score标准化：

（1）计算数组的均值（mean）和标准差（standard deviation）。
（2）对数组中的每个元素，减去均值，并除以标准差。

import numpy as np
# 二维数组
data = np.array([[1, 2, 3, 4, 5],
                 [6, 7, 8, 9, 10],
                 [11, 12, 13, 14, 15]])
# 计算均值和标准差
Mean = np.mean(data)
Std = np.std(data)
# Z-score标准化
Z_score_data = (data - Mean) / Std
print(Z_score_data)

3、中心化

让数据变成平均值为0的一组数据

公式：X=X-Mean

案例：把上面名为”Test1”的文件数据中心化（也是标准化的一种），创建并保存到名为”Tan1.xlsx”的文件中。

import numpy as np
import pandas as pd
data=pd.DataFrame(pd.read_excel("Test1.xlsx"))
data1=data.values
data1=np.delete(data1,0,axis=1)
# 计算中心化后的数据的平均值
data2=data1
for i in range(0,5):
       mean = data1[:,i].mean()
       #数据中心化
       data2[:,i] = data1[:,i]-mean
print("原始数据：\n", data1)
print("中心化后的数据：\n", data2)
data3=pd.DataFrame(data2)
data3.to_excel("Tan1.xlsx")

4、归一化

公式为：X= X /（x1+x2+...Xn）
作用：对正数进行变换，使结果落到[0,1]区间，其将数值的绝对值变成相对值关系。

import numpy as np
import pandas as pd
data=pd.DataFrame(pd.read_excel("Test1.xlsx"))
data1=data.values
data1=np.delete(data1,0,axis=1)
print(data1)
data2=data1
for i in range(0,5):
       sum1=np.sum(data1[:,i])
       data2[:,i]=data1[:,i]/sum1
print("归一化后数据：\n",data2)
data3=pd.DataFrame(data2)
data3.to_excel("Tan1.xlsx")

注意：以上标准化处理说法不一，但公式唯一，一公式为准。