R语言数据降维——主成分分析

R 同时被 3 个专栏收录
5 篇文章 0 订阅
4 篇文章 0 订阅
3 篇文章 0 订阅

R语言数据降维——主成分分析

一、项目环境

  • 开发工具:RStudio
  • R:3.5.2
  • 相关包:sqldf,dplyr

二、导入数据

# 这里我们使用的是鸢尾花数据集(iris)
data(iris)
head(iris)
Sepal.LengthSepal.WidthPetal.LengthPetal.WidthSpecies
15.13.51.40.2setosa
24.93.01.40.2setosa
34.73.21.30.2setosa
44.63.11.50.2setosa
55.03.61.40.2setosa
65.43.91.70.4setosa

相关数据解释:

  • Sepal.Length:萼片长度

  • Sepal.Width:萼片宽度

  • Petal.Length:花瓣长度

  • Petal.Width:花瓣宽度

  • Species:鸢尾花品种

三、 数据划分

library(dplyr)
library(sqldf)

# 为数据集增加序号列(id)
iris$id <- c(1:nrow(iris))

# 将鸢尾花数据集中70%的数据划分为训练集
iris_train <- sample_frac(iris, 0.7, replace = TRUE)

# 使用sql语句将剩下的30%花费为测试集
iris_test <- sqldf("
               select *
               from iris
               where id not in (
               select id
               from iris_train
               )
               ")

# 去除序号列(id)
iris_train <- iris_train[,-6]
iris_test <- iris_test[,-6]

【注】:这里使用到sqldf包的函数sqldf函数来时间在R语言中使用SQL语句

四、 进行主成分分析

# 对鸢尾花数据集的前4列进行主成分分析
iris_train_pca <- princomp(iris_train[,1:4])

# 绘制碎石图
screeplot(iris_train_pca, npcs = ncol(iris_train),type="lines")

在这里插入图片描述

【注】:碎石图的分析方法主要是根据纵坐标的值,纵坐标值越大就表示表示该主成分能够解释的方差的比例越大,因此一般情况下我们会选择纵坐标值较大的几个主成分

五、 提取主成分的信息

# 第一行是特征值(Standard deviation),
# 第二列是方差的贡献率(Proportion of Variance)
# 第三列是累计方差的贡献率(Cumulative Proportion)
# 方差的贡献率: 标准化后的特征值,全部相加等于100%
# 累计方差的贡献率:累加后的方差的贡献率
summary(iris_train_pca)

在这里插入图片描述

【注】:特征值越大,它所对应的主成分变量包含的信息就越多

​ 从输出的结果我们可以得知,在输出的4个主成分中,前两个主成分就包含了原来4个指标98.20%的信息,也就是能够解释98.20%的方差。因此,将前两个作为鸢尾花数据集的主成分。

六、 查看各个主成分与原始数据的关系

# loadings代表每一个成分中之前特征系数
iris_train_pca$loadings

在这里插入图片描述
​ loadings显示的是载荷的内容,这个值实际上是主成分对于原始变量Sepal.Length,Sepal.Width ,Petal.Length ,Petal.Width的系数。也是特征值对应的特征向量,它们是线性无关的单位向量。第1列表示主成分一的得分系数,依次类推。据此可以写出由标准化变量所表达的主成分的关系式,即:

C o m p . 1 = 0.366 × S e p a l . L e n g t h + 0.857 × P e t a l . L e n g t h + 0.351 × P e t a l . W i d t h Comp.1 = 0.366 × Sepal.Length + 0.857 × Petal.Length + 0.351 × Petal.Width Comp.1=0.366×Sepal.Length+0.857×Petal.Length+0.351×Petal.Width
C o m p . 2 = 0.676 × S e p a l . L e n g t h + 0.709 × S e p a l . W i d t h − 0.194 × P e t a l . L e n g t h Comp.2 = 0.676 × Sepal.Length + 0.709 × Sepal.Width - 0.194 × Petal.Length Comp.2=0.676×Sepal.Length+0.709×Sepal.Width0.194×Petal.Length

七、 对测试集进行降维处理

# 使用之间建好的公式对测试集进行降维处理
# new_test <- as.matrix(iris_test[,1:4])%*%as.matrix(iris_train_pca$loadings[,1:2])
# 用上面这种方法进行计算可能会出现问题,建议使用下面这种
new_test <- predict(iris_train_pca, iris_test[,-5])
# 转化为数据框
new_test <- as.data.frame(new_test)

【注】:iris_train_pca$loadings[,1:2] 之所以这里取前两个数是因为之前主成分分析确定的。

​ 这样就达到了对数据进行降维的作用,同时可以将降维后的数据用与机器学习以降低维度过多,而造成的计算时间过长等问题。

​ 需要注意的是,这里的训练集和测试集维度必须完全相同,也就是说如果之前有与预先对训练集进行其他影响维度的操作,那么后续也需要对测试集进行相应的操作,才能保证降维的成功


很长一段时间没有在csdn中写文章了,事实上后面自己学习过程中的大部分文档都是在语雀中完成的,基本都是自己写自己看。不过后面打算弄个公众号来更新和分享自己写的笔记_(:з」∠)_ 。如果感兴趣的话也可以关注一下。不感兴趣就算了(っ╥╯﹏╰╥c)。
在这里插入图片描述
然后写着个的另外一个原因就是,我可能会把一些文档搬运到自己的公众号,为了避免被说抄袭,所以说明一下。这样子_(:з」∠)_。

  • 11
    点赞
  • 0
    评论
  • 52
    收藏
  • 一键三连
    一键三连
  • 扫一扫,分享海报

©️2021 CSDN 皮肤主题: 技术工厂 设计师:CSDN官方博客 返回首页
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、C币套餐、付费专栏及课程。

余额充值