sklearn.decomposition.PCA

1、函数原型及参数说明

1. sklearn.decomposition.PCA(n_components=None, copy=True, whiten=False)  

参数说明：

n_components:  

意义：PCA算法中所要保留的主成分个数n，也即保留下来的特征个数n

类型：int 或者 string，缺省时默认为None，所有成分被保留。

          赋值为int，比如n_components=1，将把原始数据降到一个维度。

          赋值为string，比如n_components='mle'，将自动选取特征个数n，使得满足所要求的方差百分比。

copy:

类型：bool，True或者False，缺省时默认为True。

意义：表示是否在运行算法时，将原始训练数据复制一份。若为True，则运行PCA算法后，原始训练数据的值不            会有任何改变，因为是在原始数据的副本上进行运算；若为False，则运行PCA算法后，原始训练数据的              值会改，因为是在原始数据上进行降维计算。

whiten:

类型：bool，缺省时默认为False

意义：白化，使得每个特征具有相同的方差。关于“白化”，可参考：Ufldl教程

2、PCA对象的属性

components_ ：返回具有最大方差的成分。

explained_variance_ratio_：返回 所保留的n个成分各自的方差百分比。

n_components_：返回所保留的成分个数n。

mean_：

noise_variance_：

3、PCA对象的方法

fit(X,y=None)

fit()可以说是scikit-learn中通用的方法，每个需要训练的算法都会有fit()方法，它其实就是算法中的“训练”这一步骤。因为PCA是无监督学习算法，此处y自然等于None。

fit(X)，表示用数据X来训练PCA模型。

函数返回值：调用fit方法的对象本身。比如pca.fit(X)，表示用X对pca这个对象进行训练。

fit_transform(X)

用X来训练PCA模型，同时返回降维后的数据。

newX=pca.fit_transform(X)，newX就是降维后的数据。

inverse_transform()

将降维后的数据转换成原始数据，X=pca.inverse_transform(newX)

transform(X)

将数据X转换成降维后的数据。当模型训练好后，对于新输入的数据，都可以用transform方法来降维。

此外，还有get_covariance()、get_precision()、get_params(deep=True)、score(X, y=None)等方法，以后用到再补充吧。

4、举例

以一组二维的数据data为例，data如下，一共12个样本（x,y），其实就是分布在直线y=x上的点，并且聚集在x=1、2、3、4上，各3个。

1. >>> data
2. array([[ 1. , 1. ],
3. [ 0.9 , 0.95],
4. [ 1.01, 1.03],
5. [ 2. , 2. ],
6. [ 2.03, 2.06],
7. [ 1.98, 1.89],
8. [ 3. , 3. ],
9. [ 3.03, 3.05],
10. [ 2.89, 3.1 ],
11. [ 4. , 4. ],
12. [ 4.06, 4.02],
13. [ 3.97, 4.01]])

data这组数据，有两个特征，因为两个特征是近似相等的，所以用一个特征就能表示了，即可以降到一维。下面就来看看怎么用sklearn中的PCA算法包。

（1）n_components设置为1，copy默认为True，可以看到原始数据data并未改变，newData是一维的。

1. >>> from sklearn.decomposition import PCA
2. >>> pca=PCA(n_components=1)
3. >>> newData=pca.fit_transform(data)
4. >>> newData
5. array([[-2.12015916],
6. [-2.22617682],
7. [-2.09185561],
8. [-0.70594692],
9. [-0.64227841],
10. [-0.79795758],
11. [ 0.70826533],
12. [ 0.76485312],
13. [ 0.70139695],
14. [ 2.12247757],
15. [ 2.17900746],
16. [ 2.10837406]])
17. >>> data
18. array([[ 1. , 1. ],
19. [ 0.9 , 0.95],
20. [ 1.01, 1.03],
21. [ 2. , 2. ],
22. [ 2.03, 2.06],
23. [ 1.98, 1.89],
24. [ 3. , 3. ],
25. [ 3.03, 3.05],
26. [ 2.89, 3.1 ],
27. [ 4. , 4. ],
28. [ 4.06, 4.02],
29. [ 3.97, 4.01]])

（2）将copy设置为False，原始数据data将发生改变。

1. >>> pca=PCA(n_components=1,copy=False)
2. >>> newData=pca.fit_transform(data)
3. >>> data
4. array([[-1.48916667, -1.50916667],
5. [-1.58916667, -1.55916667],
6. [-1.47916667, -1.47916667],
7. [-0.48916667, -0.50916667],
8. [-0.45916667, -0.44916667],
9. [-0.50916667, -0.61916667],
10. [ 0.51083333, 0.49083333],
11. [ 0.54083333, 0.54083333],
12. [ 0.40083333, 0.59083333],
13. [ 1.51083333, 1.49083333],
14. [ 1.57083333, 1.51083333],
15. [ 1.48083333, 1.50083333]])

（3）n_components设置为'mle'，看看效果，自动降到了1维。

1. >>> pca=PCA(n_components='mle')
2. >>> newData=pca.fit_transform(data)
3. >>> newData
4. array([[-2.12015916],
5. [-2.22617682],
6. [-2.09185561],
7. [-0.70594692],
8. [-0.64227841],
9. [-0.79795758],
10. [ 0.70826533],
11. [ 0.76485312],
12. [ 0.70139695],
13. [ 2.12247757],
14. [ 2.17900746],
15. [ 2.10837406]])

（4）对象的属性值

1. >>> pca.n_components
2. 1
3. >>> pca.explained_variance_ratio_
4. array([ 0.99910873])
5. >>> pca.explained_variance_
6. array([ 2.55427003])
7. >>> pca.get_params
8. <bound method PCA.get_params of PCA(copy=True, n_components=1, whiten=False)>

我们所训练的pca对象的n_components值为1，即保留1个特征，该特征的方差为2.55427003，占所有特征的方差百分比为0.99910873，意味着几乎保留了所有的信息。get_params返回各个参数的值。

（5）对象的方法

1. >>> newA=pca.transform(A)

对新的数据A，用已训练好的pca模型进行降维。

（6）设置参数

1. >>> pca.set_params(copy=False)
2. PCA(copy=False, n_components=1, whiten=False)

设置参数。