机器学习学习笔记（四）之特征降维

特征降维

• 降维是指在某些限定的条件下，降低随机变量（特征）的个数，得到一组‘不相关’的主变量的过程
• 效果：特征与特征之间不相关

1、降维的两种方式

• 特征选择
• 主成分分析

2、什么是特征选择？

• 定义：数据中包含冗余或相关变量（或称特征、属性、指标等），旨在从原有特征中找出主要特征。
• 方法：
  • Filter（过滤式）：主要探究特征本身特点、特征与特征和目标值之间关联
    方差选择法：低方差特征过滤
    相关系数
  • Embedded（嵌入式）：算法自动选择特征（特征与目标值之间的关联）
    决策树：信息熵、信息增熵
    正则化：L1、L2
    深度学习：卷积等
• 模块：sklearn.feature_selection

3、过滤式+计算相关系数

1）低方差特征过滤

删除低方差的一些特征，前面讲过方差的意义、再结合方差的大小来考虑这个方式的角度

• 特征方差小：某个特征大多样本的值比较相近
• 特征方差大：某个特征很多样本的值都有差别

2）API

• sklearn.feature_selection.VarianceThreshold(threshold=0.0)
  • 删除所有低方差特征
  • Variance.fit_transform(X)
    • X:numpy array格式的数据[n_samples,n_features]
    • 返回值：训练集差异低于threshold的特征将被删除。默认值是保留所有非零方差特征，即删除所有样本中具有相同值的特征。
• from scipy.stats import pearsonr
  • x:(N,) array_like
  • y:(N,) array_like returns:相关系数，p值

3）数据计算

from sklearn.feature_selection import VarianceThreshold
from scipy.stats import pearsonr
def variance_demo():
    '''
    过滤低方差特征
    :return:
    '''
    # 1、获取数据
    data = pd.read_csv('dating.txt')
    data = data.iloc[:,:3]
    # 2、实例化一个转换器类
    transfer = VarianceThreshold(threshold=5)
    # 3、调用fit_transform
    data_new = transfer.fit_transform(data)
    print('data_new:\n', data_new)

 	 # 计算某两个变量之间的相关系数
    r=pearsonr(data['pe_ratio'],data['pb_ratio'])
    print(r)
    return None
     
if __name__ == '__main__':
    variance_demo()

4、什么是主成分分析？

• 定义：高维数据转化为低维数据的过程，在此过程中可能会舍弃原有数据、创造新的变量。
• 作用：是数据维度压缩，尽可能降低原数据的维度（复杂度），损失少量信息。
• 应用：回归分析或者聚类分析当中。

5、API

• sklearn.decomposition.PCA(n_components = None)
  • 将数据分解为较低维空间
  • n_components：
    • 小数：表示保留百分之多少的信息
    • 整数：减少到多少特征
  • PCA.fit_transform(X) X:numpy array格式的数据[n_samples,n_features]
  • 返回值：转换后指定维度的array

6、代码

from sklearn.decomposition import PCA
def pac_demo():
    '''
    PCA降维
    :return:
    '''
    data=[[2,8,4,5],[6,3,0,8],[5,4,9,1]]
    # 1、实例化一个转换器类
    tansfer = PCA(n_components=2)
    # 2、调用fit_transform
    data_new = tansfer.fit_transform(data)
    print('data_new:\n', data_new)
    return None

if __name__ == '__main__':
    pac_demo()

降维到2维

降维到3维