目录
7-4 求数据的前n个主成分
本质上是从一组坐标系转移到了另一个坐标系
n维数据有N个轴之前求的是一个轴的投影
抽象类比将样本投影到x,y两个轴上,有两个方向的成分,现存只是x,y轴变成倾斜的,所以仍然有两个分量
这样会得到第二个主成分
获得前n个主成分
def f(w, X):
return np.sum((X.dot(w)**2)) / len(X)
def df(w, X):
return X.T.dot(X.dot(w)) * 2. / len(X)
def direction(w):
return w / np.linalg.norm(w)
def first_component(X, initial_w, eta, n_iters = 1e4, epsilon=1e-8):
w = direction(initial_w)
cur_iter = 0
while cur_iter < n_iters:
gradient = df(w, X)
last_w = w
w = w + eta * gradient
w = direction(w)
if(abs(f(w, X) - f(last_w, X)) < epsilon):
break
cur_iter += 1
return w
X2 = X - X.dot(w).reshape(-1, 1) * w
X.dot(w) 表示 mX1的向量,是m 个元素表示每一个映射到w方向上的模,将其转化为列向量
下面不用矩阵运算的结果,是循环的结果
def first_n_components(n, X, eta=0.01, n_iters = 1e4, epsilon=1e-8):
X_pca = X.copy()
X_pca = demean(X_pca)
res = []
for i in range(n):
initial_w = np.random.random(X_pca.shape[1])
w = first_component(X_pca, initial_w, eta)
res.append(w)
X_pca = X_pca - X_pca.dot(w).reshape(-1, 1) * w
return res
7-5 高维数据映射为低维数据
每个主成分是单位向量,
k <n 从n维映射到k维
m个样本,每个有k维,即完成了降维操作
从高维数据向低维数据的映射
PCA.py
import numpy as np
class PCA:
def __init__(self, n_components):
"""初始化PCA"""
assert n_components >= 1, "n_components must be valid"
self.n_components = n_components
self.components_ = None
def fit(self, X, eta=0.01, n_iters=1e4):
"""获得数据集X的前n个主成分"""
assert self.n_components <= X.shape[1], \
"n_components must not be greater than the feature number of X"
def demean(X):
return X - np.mean(X, axis=0)
def f(w, X):
return np.sum((X.dot(w) ** 2)) / len(X)
def df(w, X):
return X.T.dot(X.dot(w)) * 2. / len(X)
def direction(w):
return w / np.linalg.norm(w)
def first_component(X, initial_w, eta=0.01, n_iters=1e4, epsilon=1e-8):
w = direction(initial_w)
cur_iter = 0
while cur_iter < n_iters:
gradient = df(w, X)
last_w = w
w = w + eta * gradient
w = direction(w)
if (abs(f(w, X) - f(last_w, X)) < epsilon):
break
cur_iter += 1
return w
X_pca = demean(X)
self.components_ = np.empty(shape=(self.n_components, X.shape[1]))
for i in range(self.n_components):
initial_w = np.random.random(X_pca.shape[1])
w = first_component(X_pca, initial_w, eta, n_iters)
self.components_[i,:] = w
X_pca = X_pca - X_pca.dot(w).reshape(-1, 1) * w
return self
def transform(self, X):
"""将给定的X,映射到各个主成分分量中"""
assert X.shape[1] == self.components_.shape[1]
return X.dot(self.components_.T)
def inverse_transform(self, X):
"""将给定的X,反向映射回原来的特征空间"""
assert X.shape[1] == self.components_.shape[0]
return X.dot(self.components_)
def __repr__(self):
return "PCA(n_components=%d)" % self.n_components
scikit-learn中的PCA
sklearn中的方法和上面咱的梯度上升的方法不同,所以其方向 是相反的,没关系
主成分所解释的方差
第一轴能解释14%的数据,第二轴的数据能解释多少的方差,通过这个变量找到将数据降到多少维
表示取样本的特征多少时,其能解释多少的方差
实例pca时传入一个小数即可
使用PCA对数据进行降维可视化
数据降到2维好处是有利于可视化
只是想区别蓝色和紫色的数据也许用二维的降维就可以了