机器学习之无监督学习：降维

前置准备

详情请见我的上一篇博客

PCA方法及其应用

实现机理

• PCA方法也叫主成分分析，它是最常用的一种降维方法，通常用于高维数据集的探索与可视化，还可以用作数据压缩和预处理等。

• PCA可以把具有相关性的高位变量合称为线性无关的低维变量，称为主成分。主成分能够尽可能保留原始数据的信息。
  PCA涉及到的部分相关术语：方差、协方差、协方差矩阵、特征向量和特征值。

• 方差
  是各个样本和样本均值的差的平方和的均值，用来度量一组数据的分散程度。
  

• 协方差
  用于度量两个变量之间的线性相关程度，若两个变量的协方差为0，则可认为二者线性无关。协方差矩阵则是由变量的协方差值构成的矩阵（对称阵）。
  

• 特征向量
  矩阵的特征向量是描述数据集结构的非零向量，并满足如下公式（A是方阵，v是特征向量，λ是特征值）：
  

• PCA原理
  矩阵的主成分就是其协方差矩阵对应的特征向量，按照对应的特征值大小进行排序，最大的特征值就是第一主成分，其次就是第二主成分，以此类推。

• PCA算法过程
  

PCA实现高维数据可视化

已知鸢尾花数据是4维的，共三类样本。使用PCA实现对鸢尾花数据进行降维，实现在二维平面上的可视化。

效果图

源代码

#PCA-鸢尾花数据集降维.py
import matplotlib.pyplot as plt
from sklearn.decomposition import PCA
from sklearn.datasets import load_iris

data = load_iris() #以字典形式加载鸢尾花数据集
y = data.target #使用y表示数据集中的标签
X = data.data #使用x表示数据集中的属性数据
pca = PCA(n_components=2) #加载PCA算法，设置降维后主成分数目为2，也即参数n_components的设定
reduced_X = pca.fit_transform(X) #对原始数据进行降维，保存在变量reduced_X中

red_x, red_y = [], [] #第一类数据点
blue_x, blue_y = [], [] #第二类
green_x, green_y = [], [] #第三类

for i in range(len(reduced_X)): #按照鸢尾花的类别将降维后的数据点保存在不同的列表中
    if y[i] == 0:
        red_x.append(reduced_X[i][0])
        red_y.append(reduced_X[i][1])
    elif y[i] == 1:
        blue_x.append(reduced_X[i][0])
        blue_y.append(reduced_X[i][1])
    else:
        green_x.append(reduced_X[i][0])
        green_y.append(reduced_X[i][1])

plt.scatter(red_x, red_y, c='r', marker='x') #第一类数据点
plt.scatter(blue_x, blue_y, c='b', marker='D') #第二类
plt.scatter(green_x, green_y, c='g', marker='.') #第三类
plt.show() #数据可视化

NMF方法及其应用

实现机理

• 非负矩阵分解（NMF），是在矩阵中所有元素均为非负数约束条件之下的矩阵分解方法。其基本思想为：给定一个非负矩阵V，NMF能够找到一个非负矩阵W和一个非负矩阵H，使得W和H的乘积近似等于V中的值。
  
  
• 矩阵分解优化目标：最小化W矩阵和H矩阵的乘积和原始矩阵之间的差别，目标函数如图所示：
  
• 基于KL散度的优化目标，损失函数如图所示：
  

NMF人脸数据特征提取

已知Olivetti人脸数据共有400个，每个数据都是64*64大小。由于NMF分解得到的W矩阵相当于从原始矩阵中提取到的的特征，那么就可以使用NMF对400个人脸数据进行特征提取。在本例中，设置k=6，随后将提取出的特征以图像的形式展示出来。

效果图

• 原始图像：
  
• PCA方法提取特征的图像：
  
• NMF方法提取特征的图像：
  

源代码

#NMF、PCA-人脸图像特征抽取与对比.py
from numpy.random import RandomState
import matplotlib.pyplot as plt
from sklearn.datasets import fetch_olivetti_faces
from sklearn import decomposition


n_row, n_col = 2, 3 #设置图像展示时的排列情况
n_components = n_row * n_col #设置提取的特征的数目
image_shape = (64, 64) #设置人脸数据图片的大小


###############################################################################
# Load faces data
dataset = fetch_olivetti_faces(shuffle=True, random_state=RandomState(0))
faces = dataset.data #加载数据，打乱顺序

###############################################################################
def plot_gallery(title, images, n_col=n_col, n_row=n_row):
    plt.figure(figsize=(2. * n_col, 2.26 * n_row)) #创建图片，并指定图片大小（英寸）
    plt.suptitle(title, size=16) #设置标题和字号大小

    for i, comp in enumerate(images):
        plt.subplot(n_row, n_col, i + 1) #选择画制的子图
        vmax = max(comp.max(), -comp.min())

        plt.imshow(comp.reshape(image_shape), cmap=plt.cm.gray,
                   interpolation='nearest', vmin=-vmax, vmax=vmax) #数值归一化，以灰度图形显示
        plt.xticks(())
        plt.yticks(()) #去除子图的坐标轴标签
    plt.subplots_adjust(0.01, 0.05, 0.99, 0.94, 0.04, 0.) #对子图位置及间隔调整

    
plot_gallery("First centered Olivetti faces", faces[:n_components])
###############################################################################

estimators = [
    ('Eigenfaces - PCA using randomized SVD',
         decomposition.PCA(n_components=6,whiten=True)),

    ('Non-negative components - NMF',
         decomposition.NMF(n_components=6, init='nndsvda', tol=5e-3))
] #对PCA和NMF进行实例化

###############################################################################

for name, estimator in estimators: #分别调用PCA和NMF
    print("Extracting the top %d %s..." % (n_components, name))
    print(faces.shape)
    estimator.fit(faces) #调用PCA或NMF提取特征
    components_ = estimator.components_ #获取提取的特征
    plot_gallery(name, components_[:n_components]) #按照固定格式进行排列

plt.show() #数据可视化

注：本文是博主机器学习课程的心得总结，不支持任何商用且不支持转载！如果你也对机器学习有一定的兴趣和理解，欢迎随时找博主交流~