机器学习 - 主成分PCA案例

 

主成分分析（principal component analysis）是一种常见的数据降维方法，其目的是在“信息”损失较小的前提下，将高维的数据转换到低维，从而减小计算量。

某医学院测得20例肝病患者的4项肝功能指标:SGPT(转氨酶)，肝大指数，ZnT(硫酸锌浊度)和AFP(胎甲球蛋白)，分别用X1~X4表示，研究数据见下表，试进行主成份分析。

 

import pandas as pd

import numpy as np

from sklearn.preprocessing import StandardScaler

from sklearn.decomposition import PCA

 

(1)第一步 数据标准化

#读取数据

df=pd.read_table(filepath_or_buffer=r'E:\数据挖掘\算法论理\机器学习\主成分分析\python案例\肝病患者案例\org_data.txt',sep='|')

#print(df)

#数据标准化(归一化)

X_scaler = StandardScaler()

x = X_scaler.fit_transform(df)

 

(2)第二步 主成份分析

#保证降维后的数据保持90%的信息

pca = PCA(n_components=0.9)

pca.fit(x)

pca_x=pca.transform(x)

 

(3)第三步 得出主成份信息

#保留主成份个数

print(pca.n_components_ )

 

 

#主成份方程系数

print(pca.components_)

 

#主成份Z1=-0.69996363x1 -0.6897981x2 -0.08793923x3 -0.16277651x4

#主成份Z2=0.09501037x1 -0.28364662x2 + 0.9041587x3+0.30498307x4

#主成份Z3=0.24004879x1 -0.05846333x2+ 0.27031356x3 -0.93053167x4

 

#主成份矩阵维度

print(pca_x.shape)

 

 

#输出降维后的主成份矩阵

print(pca_x)

 

(4)第四步 展示第1主成份与第2主成份散点图

df1 = pd.DataFrame(pca_x)

df1.columns =['ya','yb','yc']

df1.plot(kind='scatter',x='ya', y='yb', label='Scatter plot')

plt.show()

 

此两点为离群点，第2主成份较为突出，由于第2主成份得分是描述慢性肝炎炎症的指标，故判断此两位患者很可能患上慢性肝炎。